Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Notas de Clase elaboradas por L. M. González Taller para Segundo Parcial TALLER PARA SEGUNDO PARCIAL 1. Sean X1, X2, X3, . . . , Xn variables aleatorias independientes e idénticamente distribuidas. Hallé el estimador de p por el método de los momentos, si a) La función de densidad deX1 es binomial de parámetros p y n, n conocida. b) La función de densidad de X1 es geométrica de parámetro p. 2. Magalhães (2006)[p.351] Sean Xn, n ≥ 1, variables aleatorias independientes tal que Xn ∼ B(n, pn). Muestre que si npn = λn −−−→ n→∞ λ para λ > 0, entonces Xn D−−−→ X, en que X ∼ P (λ). 3. Cepeda (2015)[p.35] Suponga que Xi tiene distribución bernoulli de parámetro 0.5, i = 1, 2, 3, . . . , 20, en que las Xi’s son variables aleatorias independientes. Halle c tal que P (|X¯ − 0.5| < c) > 0.5. a) Utilizando el teorema central del límite. b) Aplicando Chebyshev. 4. Cepeda (2015)[p.36] Sea p la proporción de tornillos defectuosos en la produc- ción de una empresa. Determine el tamaño n de la muestra tal que, para todo p, la proporción de tornillos defectuosos en la muestra se aleje a lo más de 0.1 de la proporción de unidades defectuosas en la producción, con una probabilidad del 95%, a) aplicando el teorema central del límite b) aplicando Chebyshev c) compare los resultados obtenidos en los dos items anteriores. 5. Magalhães (2006)[p.351] Sean Xn, n ≥ 1, variables aleatorias independientes e idénticamente distribuidas tal que X1 ∼ Exp(λ). Muestre que la secuencia{ X2n : n ≥ 1 } satisface la ley fuerte de los grandes números. 6. Magalhães (2006)[p.351] Sean Xn, n ≥ 1, variables aleatorias independientes e idénticamente distribuidas tal que X1 ∼ P ( √ n), para cada n ≥ 1. Indique las posibles convergencias de X¯. 7. Sean X1, X2, X3, . . . , Xn variables aleatorias independientes e idénticamente distribuidas. Encuentre una forma de la mediana muestral que sea un estima- dor consistente de θ y su distribución asintotica cuando es convenientemente normalizada, para cada una de las siguientes distribuciones: a) p(x;α, θ) = θαθ xθ+1 , α < x <∞, α > 0, θ > 0 b) p(x;β, θ) = θ β xθ−1e −xθ β , 0 ≤ x <∞, θ > 0, β > 0 REFERENCIAS Notas de Clase elaboradas por L. M. González Taller para Segundo Parcial 8. Casella & Berger (2002)[p.355] Sean X1, X2, X3, . . . , Xn variables aleatorias independientes e idénticamente distribuidas de la función de densidad de pro- babilidad p(x; θ) = θx−2 0 < θ ≤ x <∞. a) Encuentre el estimador vía máxima verosimilitud para θ. b) Encuentre un estimador por el método de los momentos para θ. 9. Sean X1, X2, . . . , Xn variables aleatorias independientes e idénticamente distri- buidas. Para cada una de las siguientes funciones de densidad de probabilidad, encontrar el estimador vía máxima verosimilitud. a) α y β parámetros de interés en que α y β son desconocidos. FX(x) = 0 si x < 0( x β )α si 0 ≤ x ≤ β 1 si x > β. b) µ y λ parámetros de interés en que µ y λ son desconocidos. p(x;µ, λ) = ( λ 2pix3 ) 1 2 e −λ(x−µ)2 2µ2x para x > 0. 10. Sea X una variable aleatoria con distribución Laplace, i.e., fX(x) = 1 2b exp ( −|x− a| b ) , −∞ < x <∞ en que a y b son parámetros de localización y de escala, respectivamente, tal que −∞ < a <∞ y b > 0. Asumiendo b conocido, a) Encuentre una forma de la mediana muestral que sea un estimador con- sistente de a y su distribucion asintotica cuando es convenientemente nor- malizada. b) Encuentre el estimador de momentos para a. c) Encuentre la eficiencia asintótica del estimador encontrado en el primer numeral con relacion al estimador de momentos de a. Referencias Casella, G. & Berger, R. (2002). Statistical Inference. 2nd edition. Thomspon Lear- ning. Cepeda, E. (2015). Estadística matemática. 1ra. edición. Bogotá: Universidad Na- cional de Colombia. Magalhães, M. (2006). Probabilidade e Variáveis Aleatórias. 2da. edición. São Pau- lo:Editora da Universidade de São Paulo.
Compartir