Anda di halaman 1dari 5

6.

- Estimadores Puntuales
– Ejercicios Propuestos –

 Propiedades de Insesgamiento y Varianza Menor


 Estimación de Máxima Verosimilitud
 Propiedad de Invarianza
 Aplicaciones
06. Estimadores Puntuales – Ejercicios Propuestos
ANÁLISIS ESTADÍSTICO

1.- El comportamiento del esfuerzo vibratorio en la paleta de una turbina de viento, a una velocidad
particular en un túnel de viento se modela según la distribución de probabilidad de Rayleigh, cuya
función de densidad es:

𝑥 − 𝑥2
𝑓 (𝑥) = {𝜃 𝑒 2𝜃 𝑠𝑖 𝑥 > 0 𝜃 > 0
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

𝜃∙𝜋 4−𝜋
𝐸 (𝑥) = √ 𝐸 (𝑥 2 ) = 2 ∙ 𝜃 𝑉(𝑥) = 𝜃 ∙
2 2

1.1) Sea 𝑋1 , 𝑋2 , . . . , 𝑋𝑛 una m.a. de X. Encuentre el estimador máximo verosímil para θ.


1.2) Analice el insesgamiento del estimador encontrado.

2.- La vida útil de las baterías de fabricación nacional (Y) es una variable aleatoria que de acuerdo a
la información que se dispone presenta la siguiente función de densidad: función de densidad:
𝑦
𝑒− 𝜃
𝑓 (𝑦) = { ,𝑦 > 0
√𝜃 ∙ 𝜋 ∙ 𝑦
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

Obtenga el estimador máximo verosímil del parámetro  a partir de una muestra aleatoria de tamaño
n

3.- Como es sabido, el Departamento de Fiscalización del Ministerio de Transporte realiza controles
de opacidad (Humos) a los buses licitados, elegidos aleatoriamente en la calle. La opacidad se mide
con un instrumento (Snap), cuyas mediciones se distribuyen con la siguiente función de densidad:
2
𝑥 −𝑥
{ 2}
𝑓(𝑥) = { 𝜃 2 ∙ 𝑒 2𝜃 𝑥 > 0, 𝜃 > 0
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

Donde es el verdadero valor de opacidad de un microbús en particular, pero es desconocido.
Sean 𝑋1 , 𝑋2 , . . . , 𝑋𝑛 una muestra aleatoria de las mediciones realizadas al microbús con el instrumento.
Determine el estimador máximo verosímil para el verdadero valor de opacidad del microbús.

4.- Suponga que 𝜃̂1 , 𝜃̂2 y 𝜃̂3 son estimadores de . Se sabe que 𝐸(𝜃̂1 ) = 𝐸(𝜃̂2 ) = 𝜃, 𝐸(𝜃̂3 ) ≠ 𝜃,
2
𝑉𝑎𝑟 (𝜃̂1 ) = 12, 𝑉𝑎𝑟 (𝜃̂2 ) = 10 y 𝐸(𝜃̂3 − 𝜃) = 6. Compare estos tres estimadores. ¿Cuál es el mejor
estimador? Justifique.

Página 130 Alejandro González Tapia – Ingeniería Civil en Minas


06. Estimadores Puntuales – Ejercicios Propuestos
ANÁLISIS ESTADÍSTICO

5.- La variable aleatoria X tiene la siguiente función de cuantía:

𝛽(𝑥 – 4) 𝑒 𝛽
𝑝(𝑥) = 𝑥 = 4,5, …
(𝑥 − 4)!

5.1) Obtenga el estimador máximo verosímil de  basándose en una muestra aleatoria de tamaño
“n” de 𝑥.
5.2) Verifique si el estimador obtenido en 5.1) es insesgado.

6.- De acuerdo a una investigación realizada por los ingenieros a cargo del sistema de redes, el
tiempo (X), en segundos, transcurrido entre dos peticiones de acceso consecutivas en un sistema
interconectado, es una variable aleatoria distribuida exponencialmente con media igual a 2 segundos.

6.1) El sistema de redes colapsa cuando en un intervalo de tiempo entre dos peticiones de acceso
consecutivo es inferior a 0,1 segundos. ¿Cuál es la probabilidad de que el 4° intervalo de
tiempo, entre dos peticiones de acceso, elegidos independientemente y al azar, sea el primero
en que el sistema de redes colapse?
6.2) Sea (𝑥1 , 𝑥2 , . . . , 𝑥𝑛 ) una muestra aleatoria de 𝑥 ~ exp(θ), con parámetro desconocido.
Determine el estimador máximo verosímil de θ y la estimación máximo verosímil de (θ + 0,15)
en base a una muestra aleatoria de 8 intervalos, obtenidos entre dos peticiones consecutivas
de acceso a la red, donde se registraron los siguientes tiempos: 3,0 ; 2,5 ; 4,0 ; 2,2 ; 2,8 ; 3,0 ;
1,5 ; 1,0. (en segundos).

7.- En una empresa del rubro de la construcción se ha observado el comportamiento que presenta el
número de vehículos que semanalmente presentan fallas mecánicas graves. La función de
probabilidad es:
𝑓(𝑥; 𝛼 ) = 𝛼 ∙ (1 − 𝛼 )𝑥 − 1 𝑥 = 1,2, … ; 0 < 𝛼 < 1

7.1) Obtenga el estimador máximo verosímil de α


7.2) Al seleccionar al azar 10 semanas, el número total de vehículos que presentaron fallas
mecánicas graves fue de 15. Basándose en esta información, determine la probabilidad que
durante una semana, el número de vehículos que presentan fallas mecánicas graves, sean a
lo más dos.

(*) 8.- Considere la muestra aleatoria (𝑋1 , 𝑋2 , … , 𝑋𝑛 ) de la variable aleatoria 𝑥, distribuida según una
exponencial desplazada, con parámetro λ desconocido, con función de densidad de probabilidad:
−𝜆 (𝑋− 𝜃)
𝑓(𝑋) = {𝜆 𝑒 ; 𝑋 ≥ 𝜃; 𝜆 > 0; 𝜃 > 0
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

8.1) Obtenga el estimador máximo verosímil de 𝜆.


8.2) Para estudiar el tiempo, expresado en segundos, entre dos vehículos que llegan a una plaza
de peaje, distribuido según una exponencial desplazada, se toma una muestra aleatoria de
tamaño seis, obteniendo los siguientes tiempos: 3.11 – 0.64 – 2.55 – 2.20 – 5.44 – 3.42.
Determine la estimación máxima verosímil de 𝜆, si θ = 0.5 segundos, que corresponde al
tiempo mínimo posible entre dos vehículos.

Alejandro González Tapia – Ingeniería Civil en Minas Página 131


06. Estimadores Puntuales – Ejercicios Propuestos
ANÁLISIS ESTADÍSTICO

9.- El ingreso de las personas, en u.m., que viven en la ciudad A, se considera una variable aleatoria
con distribución de Pareto, con parámetro α desconocido, cuya función de densidad está dada, por:

𝛼 500 𝛼+1
𝑓 (𝑥; 𝛼 ) = {500 ( 𝑥 ) 𝑠𝑖 𝑥 > 500 𝛼 > 0
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

En una muestra aleatoria de los ingresos, en u.m., se obtuvo:


551 – 556 – 740 – 606 – 742 – 2311 – 852 – 3691 – 592 – 570 – 724 – 642.
Determine la estimación máxima verosímil del parámetro α.

10.- La resistencia del material de cierto espécimen se considera una variable aleatoria X, con
distribución de probabilidad:

2 𝑥 2
−[ ]
𝑓 (𝑥) = {𝛽2 𝑥 𝑒 𝛽 𝑠𝑖 𝑥 > 0; 𝛽 > 0
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

Si se toma una muestra aleatoria de 10 especímenes y se obtienen los siguientes datos con respecto
de su resistencia.

6,11 3,20 1,86 5,23 2,76 4,12 6,79 4,43 8,56 6,82

Encuentre la estimación máxima verosímil para 𝛽.

Página 132 Alejandro González Tapia – Ingeniería Civil en Minas


06. Estimadores Puntuales – Ejercicios Propuestos
ANÁLISIS ESTADÍSTICO

Soluciones Estimadores Puntuales

∑𝑛 2 ̅̅̅
𝑥2 ∑𝑛 2 ̅̅̅
𝑥2
𝑖=1 𝑥𝑖 𝑖=1 𝑥𝑖
1.1) 𝐸. 𝑀. 𝑉. (𝜃) = 2𝑛
= 2
1.2) Insesgado 3) 𝐸. 𝑀. 𝑉. (𝜃) = 4𝑛
= 4

2 ∑𝑛
𝑖=1 𝑦𝑖
2) 𝐸. 𝑀. 𝑉. (𝜃) = 𝑛
= 2 𝑦̅ 4) El mejor estimador es 𝜃̂3

1
5) 𝐸𝑀𝑉(𝛽) = 𝑥̅ − 4 8.1) 𝐸. 𝑀. 𝑉. () = 8.2) 0,417
𝑥̅ − 𝜃

𝑛
6.1) 0,4199 6.2) 𝐸. 𝑀. 𝑉(𝜃 + 0,15) = 2,65 9) 𝐸. 𝑀. 𝑉. (𝛼) = = 1,9464
−𝑛 𝑙𝑛 500+∑𝑛
𝑖=1 𝑥𝑖

1 ∑𝑛
𝑖=1 𝑥𝑖
2
7.1) 𝐸. 𝑀. 𝑉. (𝛼 ) = 𝑥̅ 7.2) 0,889 10) 𝐸. 𝑀. 𝑉. (𝛽) = +√ 𝑛
= 5,3711

Alejandro González Tapia – Ingeniería Civil en Minas Página 133