6. Estimadores Puntuales – Ejercicios Resueltos ANÁLISIS ESTADÍSTICO
1.- La resistencia de una plancha es una variable aleatoria continua X cuya función de densidad es:
. Su función de distribución de probabilidad
es: , con desconocido. Sea ( estimador máximo verosímil de .
) una m.a. (n) de X, determine el
Sobre la base de una muestra aleatoria de 5 planchas, las resistencias observadas fueron: 0,5; 0,5; 0,8; 0,9 y 1. Determine la probabilidad que una plancha, elegida al azar, tenga resistencia inferior a 0,7. 1) Solución: La primero que debemos hacer es calcular la “ función función de verosimilitud ” ”, lo que se lleva a cabo, por medio de la siguiente fórmula:
Luego, tenemos que determinar el logaritmo natural de
, como se muestra a continuación:
En seguida, se obtiene el valor de que maximiza , lo que se logra derivando respecto a los parámetros desconocidos e igualando igualando a cero dicha derivada, derivada, es decir:
con
Después, se despeja de la expresión anterior, para así obtener el estimador máximo verosímil de como se ve a continuación:
,
Posteriormente, sobre la base de la muestra aleatoria de 5 planchas, calculamos el valor de
Finalmente, calculamos probabilidad requerida por el ejercicio:
R e s p u e s t a : La probabilidad que una plancha, elegida al azar, tenga resistencia inferior a 0,7, es igual
a 0,4218.
Alejandro González Tapia – Ingeniería Civil en Minas
Página 111
6. Estimadores Puntuales – Ejercicios Resueltos ANÁLISIS ESTADÍSTICO
2.- En una fábrica se ha medido el tiempo X, en horas, transcurrido entre dos detenciones
provocadas por averías en las máquinas, en una muestra aleatoria se obtuvo los siguientes tiempos: 3, 1, 7, 3, 8, 11, 7, 1, 8, 4 en horas. Se sabe que la función de distribución que sigue dicho tiempo es
una muestra aleatoria de X, con β desconocido, determine el estimador 2.1) Sea máximo verosímil del parámetro β. 2.2) ¿Cuál la probabilidad de que en la fábrica transcurran más de 8 horas sin averías?
2.1) Solución: Sabemos que la derivada de la función de distribución, es igual a la función de densidad, es decir:
Luego, definimos la “ función de verosimilitud ”:
Determinamos el logaritmo natural de
Derivando con respecto a
Despejamos
Página 112
:
, e igualamos a cero:
, quedando de la siguiente forma:
Alejandro González Tapia – Ingeniería Civil en Minas
6. Estimadores Puntuales – Ejercicios Resueltos ANÁLISIS ESTADÍSTICO
2.2) Solución: Utilizando la muestra que nos proporciona el ejercicio, calculamos el Estimador Máximo Verosímil, como se ve a continuación:
En seguida, determinamos la probabilidad que nos solicita el problema:
R e s p u e s t a : La probabilidad de que en la fábrica transcurran más de 8 horas sin averías, es igual a
0,188.
3.- La distancia entre un árbol cualquiera y el árbol más próximo a él, en un bosque, sigue una distribución de Rayleigh con función de densidad:
3.1) Determine el estimador máximo verosímil , a partir de una muestra aleatoria de tamaño 50, obtenida la siguiente información.
3.2) Determine si el estimador
, de
es insesgado.
3.1) Solución: Definimos la “ función de verosimilitud ”, la que está dada por:
Calculamos el logaritmo natural de
Alejandro González Tapia – Ingeniería Civil en Minas
:
Página 113
6. Estimadores Puntuales – Ejercicios Resueltos ANÁLISIS ESTADÍSTICO
A continuación, derivamos
, con respecto a
e igualamos a cero, es decir:
Luego, con la información que nos brinda el ejercicio, calculamos el valor de
3.2) Solución: Sabemos que para que estimador de estimador sea igual al estimador, es decir:
sea insesgado, se debe cumplir que la esperanza
Luego, determinamos por medio de propiedades la esperanza de
, de la siguiente forma:
Posteriormente, calculamos la expresión antes definida:
Finalmente, como se cumple la igualdad, el estimador es insesgado. 4.- Sea
, muestra aleatoria de una población y desconocido: 4.1) Encuentre el estimador máximo verosímil de α. 4.2) Si las observaciones de una muestra aleatoria para la variable X son: 1,1; 0,9; 1,4; 1,2; 0,7. Estime la probabilidad de que la variable aleatoria no sea inferior a 1.
4.1) Solución: Lo primero que debemos hacer es definir la función exponencial con variable α, la que se expresa de la siguiente forma:
Determinamos la “ función de verosimilitud ”:
Página 114
Alejandro González Tapia – Ingeniería Civil en Minas
6. Estimadores Puntuales – Ejercicios Resueltos ANÁLISIS ESTADÍSTICO
En seguida, calculamos el logaritmo natural de
:
Derivando e igualando a cero:
4.2) Solución: Utilizando los datos de la muestra aleatoria que nos entrega el problema, determinamos el estimador puntual :
R e s p u e s t a : En base a la muestra aleatoria, la probabilidad estimada de que la variable aleatoria no
sea inferior a 1, es igual a 0,3893. 5.- Sea
varianza
muestra aleatoria proveniente de una distribución normal con media µ y , cuya función densidad es:
2
Se propone a las siguientes estadísticas como estimadores de µ:
5.1) Pruebe si estos estimadores son insesgados e indique cual es más eficiente. 5.2) Encuentre el estimador máximo verosímil de µ. 5.3) Compare el estimador obtenido por el método de máxima verosimilitud con los dos propuestos, ¿Cuál es mejor estimador para µ? Justifique su respuesta.
5.1) Solución: Lo primero que debemos corroborar es, si se cumple que la esperanza del estimador puntual es igual al estimador puntual, sabiendo que la media y la varianza de es µ y 2, respectivamente, como se ve a continuación:
Alejandro González Tapia – Ingeniería Civil en Minas
Página 115
6. Estimadores Puntuales – Ejercicios Resueltos ANÁLISIS ESTADÍSTICO
Es decir, ambos estimadores puntuales de µ son insesgados.
En seguida, debemos determinar la varianza de cada uno de los estimadores, para así ver cuál de los dos estimadores es más eficiente:
Debido a que es menor que eficiente que el estimador puntual
, se llega a la conclusión que el estimador puntual
es más
.
5.2) Solución: En este ítem lo primero que debemos hacer es definir la “ función de verosimilitud ”:
Calculamos el logaritmo natural de
:
Derivamos e igualamos a cero:
5.3) Solución: Empezamos por determinar si el estimador puntual de anterior es insesgado, lo que llevamos a cabo de la siguiente forma:
Página 116
que determinamos en el ítem
Alejandro González Tapia – Ingeniería Civil en Minas
6. Estimadores Puntuales – Ejercicios Resueltos ANÁLISIS ESTADÍSTICO
Por lo tanto, el estimador puntual de es insesgado, luego, determinaremos la varianza de dicho estimador, para ver si mejor estimador, como se ve a continuación:
En seguida, como la varianza de es menor en comparación a las varianza de que el estimador puntual, , es más eficiente, es decir, mejor.
e
, se concluye
6.- En un estacionamiento el número de veces ( ) que se debe subir la barrera en un intervalo
de 10 minutos, para que pasen vehículos en un sector de alta seguridad, se considera una variable aleatoria con distribución de Poisson de parámetro λ desconocido.
6.1) En una muestra aleatoria de 8 intervalos de 10 minutos cada uno, elegidos en forma independiente, se registra para cada intervalo el valor que toma la variable en estudio .
3 5 8 7 4 Encuentre la estimación máximo verosímil de λ. 6.2) Sea Si
5
una muestra aleatoria tamaño n de
6
2
~ Poisson( )
; son estimadores del parámetro
. Determine cuál de ellos es
el mejor estimador del parámetro .
6.1) Solución: Utilizaremos la siguiente variable: “Número de veces que se debe subir la barrera en un intervalo de 10 minutos, para que pasen vehículos en un sector de alta seguridad” Luego, sabemos que dicha variable tiene una distribución de Poisson, como se muestra a continuación:
En seguida, definimos la “ función de verosimilitud ”:
Determinamos el logaritmo natural de
Alejandro González Tapia – Ingeniería Civil en Minas
:
Página 117
6. Estimadores Puntuales – Ejercicios Resueltos ANÁLISIS ESTADÍSTICO
Derivando e igualando a cero:
En seguida, utilizando la muestra aleatoria, obtenemos el valor del estimador máximo verosímil, como se ve a continuación:
R e s p u e s t a : En una muestra aleatoria de ocho intervalos de 10 minutos cada uno, elegidos en forma
independiente, la estimación máxima verosímil corresponde a 5. 6.2) Solución: Lo primero que se debe hacer es determinar si estos estimadores son o no insesgados, lo que se sabe si se cumple que la esperanza del estimador es igual al mismo estimador, es decir:
Por lo tanto, ambos estimadores son insesgados. Entonces, el paso a seguir es determinar la varianza de cada estimador puntual, lo que se hace de la siguiente manera:
En conclusión, la efectividad de los estimadores depende del tamaño de la muestra, ya que, si la muestra es igual a uno, el estimador más eficiente es mejor estimador es
, en cambio, si la muestra es mayor a uno, el
.
7.- Sea una muestra aleatoria de una variable aleatoria con distribución Normal con media y varianza . Se proponen los siguientes estimadores:
Determine cuál es el mejor estimador para
. Justifique su respuesta.
Página 118
Alejandro González Tapia – Ingeniería Civil en Minas
6. Estimadores Puntuales – Ejercicios Resueltos ANÁLISIS ESTADÍSTICO
7) Solución: Debemos determinar si los estimadores que nos proponen son o no insesgados, como se muestra a continuación:
Debido a que ambos estimadores propuestos son sesgados, se debe determinar el sesgo o error del estimador, lo que se calcula con la siguiente fórmula:
En seguida, calculamos la varianza de cada uno de lo estimadores propuestos:
Finalmente, calculamos el error cuadrático medio del estimador, para así saber cuál de los dos estimadores puntuales es mejor, lo que se realiza con la siguiente fórmula:
R e s p u e s t a : Debido a que el error cuadrático medio de
de
, se concluye que el mejor estimador para
, es
es menor que el error cuadrático medio .
8.- Sea la variable aleatoria continua, que indica el tiempo de desintegración de un átomo,
con distribución exponencial truncada con parámetro ( > 0) es decir, que toma sólo aquellos valores de superiores a . Sea ( una muestra aleatoria tamaño n de . 8.1) Determine el estimador máximo verosímil de probabilidad de la exponencial truncada es:
, si la función de distribución de
8.2) Encuentre la estimación puntual del parámetro a para el valor cuando se ha observado los siguientes tiempos de desintegración de un átomo (u.t.): 3, 7, 5, 8, 4, 1, 5, 2, 9 y 6.
Alejandro González Tapia – Ingeniería Civil en Minas
Página 119
6. Estimadores Puntuales – Ejercicios Resueltos ANÁLISIS ESTADÍSTICO
8.1) Solución: Sabemos que la derivada de la función de distribución es igual a la función de densidad, es decir:
En seguida, definimos la “ función de verosimilitud ”:
Aplicamos logaritmo natural:
Derivando e igualando a cero:
8.2) Solución: Considerando la muestra que nos entrega el ejercicio, tenemos que:
Reemplazando:
R e s p u e s t a : La estimación puntual del parámetro
observaciones dadas por el problema, es igual a 0,25.
Página 120
para el valor
, con las diez
Alejandro González Tapia – Ingeniería Civil en Minas
6. Estimadores Puntuales – Ejercicios Resueltos ANÁLISIS ESTADÍSTICO
9.- Sea
una muestra aleatoria de , distribuida según , con desconocido. Donde representa el tiempo máximo necesario para terminar un proceso, en segundos:
9.1) Determine el estimador máximo verosímil de . 9.2) En base a una muestra aleatoria de , determine la estimación máximo verosímil de , donde la muestra está constituida por los siguientes datos: 0,7; 0,9; 0,6; 0,8; 0,9; 0,7; 0,9; 0,8. Estime la probabilidad del tiempo máximo necesario para terminar un proceso, no exceda los 0,5 segundos, ni supere los 0,75 segundos. 9.3) Determine el estimador máximo verosímil de: a)
. b)
9.1) Solución: Determinamos la “ función de verosimilitud ”:
En seguida, calculamos el logaritmo natural de
:
Derivamos e igualamos a cero:
9.2) Solución: Determinamos el estimador máximo verosímil de muestra que nos entrega el ejercicio:
, con los datos de la
Luego, estimamos que la probabilidad de
Alejandro González Tapia – Ingeniería Civil en Minas
Página 121
6. Estimadores Puntuales – Ejercicios Resueltos ANÁLISIS ESTADÍSTICO
R e s p u e s t a : En base a una muestra aleatoria de
, que nos otorga el ejercicio, el estimador
máximo verosímil de , corresponde a 3,0271, y al estimar que la probabilidad d el tiempo máximo necesario para terminar un proceso, no excede los 0,5 segundos, ni supera los 0,75 segundos, es igual 0,3102.
–– ––
, que corresponde al estimador máximo verosímil de , por lo tanto, las expresiones pedidas las calculamos por medio de propiedades: 9.3) Solución: Debido a que determinamos
a)
b)
Página 122
Alejandro González Tapia – Ingeniería Civil en Minas
