SlideShare a Scribd company logo
1 of 15
Download to read offline
Tema 1

Ejercicios resueltos de
Muestreo
Ejercicio 1 Sea una población …nita de 4 elementos: P = f3; 4; 1; 2g : Se
consideran muestras de 3 elementos que se suponen extraidos y no devueltos a
la población y que el muestreo es aleatorio simple. Las muestras se consideran
distintas si se diferencian en algún elemento. Se pide: 1) Escribir todas las
muestras posibles 2) Calcular la probabilidad de cada muestra. 3) Calcula la
media, ; la varianza, 2 de la población. 4) Calcula la media, x; la varianza,
S 2 ; y la cuasivarianza, s2 de cada muestra. 5) Describe las funciones de
c
probabilidad de estos estadísticos. 6) Calcula la esperanza E(x); y decide
si x es un estimador centrado o insesgado de la media de la población 7)
Calcula la esperanza S 2 ;y de s2 y decide si alguno de estos estadísticos son
c
estimadores centrados o insesgados de la varianza de la población. 8) Cálcula
la varianza de x: 9) Comprueba la concordancia de los valores obtenidos en
los anteriores apartados con los resultados teóricos.
1. Las muestras posibles son f3; 4; 1g ; f3; 4; 2g ; f3; 1; 2g ; f4; 1; 2g :
2. La probabilidad de extración de cada una de estas muestra es

1
4

0:25
3. La media de P = f3; 4; 1; 2g es

= 2:5 y su varianza es

2

=

1

(4)
3

=

= 1:25

4. Las medias varianzas y cuasivarianzas de cada una de estas muestras
están dadas en la tabla siguiente:
muestra
f3; 4; 1g
f3; 4; 2g
f3; 1; 2g
f4; 1; 2g

media,x
2:b
6
3
2
2:b
3

Varianza, S2
1.b
5
0.b
6
b
0.6
1.b
5
1

cuasivarianza,s2
c
2.b
3
1
1
2.b
3
2

TEMA 1. EJERCICIOS RESUELTOS DE MUESTREO
5. La función de probabilidad de la medias de la muestra es la siguiente:
x
Probabilidad
b 1/4
2:6
3
1/4
2
1/4
2:b 1/4
3
S2
5
La función de probabilidad de la varianza de la muestra es: 1.b
0.b
6
La función de probabilidad de la cuasivarianza
s2
cuasivarianza
c
2.b 1/2
3
1
1/2

cuasivarianza
1/2
1/2

de la muestra es:

6. La esperanza de la media de las muestra, teniendo en cuenta su función
de probabilidad es.
E(x) = 2:666667

1
4

+3

1
4

+2

1
4

+ 2:333333

1
4

= 2: 5 = :

por tanto x es un estimador insesgado de la media poblacional :
7. La esperanza de la varianza de la muestra, teniendo en cuenta su función
de probabilidad es.
E(S 2 ) = 1:5555556

1
2

+ 0:6666667

1
2

= 1: 111 1

La esperanza de la cuasivarianza de la muestra, teniendo en cuenta su
función de probabilidad es.
E(s2 ) = 2:3333333
c

1
2

+1

1
2

= 1: 666 667

Ninguna de estas esperanzas coincide con la poblacional, 2 = 1:25;
así que ninguno de estos estadísticos son estimadores centrados de la
varianza de la población.
8. La varianza de la media muestral es:
V ar(x) = E(x) = 2:6666672
0:138 89

1
2
4 +3

1
2
4 +2

1
2
4 +2:333333

1
4

2:52 =

9. En el caso del muestreo aleatorio simple sin reemplazamiento se cumple:
a) La esperanza de la media muestral es la media poblacional, tal como
se ha puesto de mani…esto en el apartado 6)
4
b) E(s2 ) = 2 NN 1 = 1:25 3 = 1: 666 7; así que ahora la cuasivaric
anza de la muestra es un estimador insesgado de la cuasivarianza de la
población, coincidiendo con el resultado del apartado 7)
3
Por otra parte:
E(S 2 ) = E(s2 nn 1 ) = E(s2 ) nn 1 =
c
c

2 N n 1
N 1 n

= 1: 666 7

2
3

= 1: 111 1

coincidiendo con el valor obtenido en el primer cálculo del apartado 7).
2

n 1
1:25
2
c) V ar(x) = n (1
N 1 ) = 3 (1
3 ) = 0:138 89 que es el valor
obtenido para la varianza de la media muestral en el apartado 8).

Ejercicio 2 Considerando en la población P = f3; 4; 1; 2g ya dada en el
problema 1, se realiza un cierto tipo de muestreo en el que las únicas muestras posibles son f3; 4; 1g y f4; 1; 2g ; con la distribución de probabilidad y
características indicada en la siguiente tabla
muestra
f3; 4; 1g
f4; 1; 2g

Probabilidad
0.3
0.7

media,x
2:b
6
2:b
3

Varianza, S2
1.b
5
1.b
5

cuasivarianza,s2
c
2.b
3
2.b
3

1. Calcular la esperanza, la varianza, el sesgo y el error cuadrático medio
del estadístico x
2. ¿ mejor este tipo de muestreo, o el aleatorio simple del problema 1,
Es
para estimar la media poblacional?.
1. E(x) = 2:6666667
V ar(x) =

0:3 + 2:3333333

2:66666672

Sesgo(x) = E(x)

0:3+2:33333332
= 2:4333

)2

2:5 =

0:7 = 2: 433 3
0:7 2: 433 32 = 2: 349 5 10

2

0:066 7

x2

ECM (x) = E(x
=E
2x + 2 = E x2
2 E (x) + 2 =
2:66666672 0:3 + 2:33333332 0:7 2 2:5 2: 433 3 + 2:52 = 0:02:
794 4:
También podíamos haber empleado la expresión:
ECM (x) = V ar(x) + Sesgo2 (x) = 0:023495 + ( 0:0667)2 = 2: 794 4
10 2
Este estimador no es centrado como el del muestreo aleatorio simple,
pero a cambio tiene menos varianza. Para decidir entre ambos comparamos los errores cuadrático medio del estadístico x:
2. Calculamos el error cuadrático medio del primero, es decir, del muestreo
aleatorio simple:
ECM (x) = V ar(x) + Sesgo2 (x) = 0:138892 + 02 = 0:019 29:
Como el error cuadrático medio es mejor en el caso del muestreo aleatorio simple, preferimos este tipo de muestreo.
4

TEMA 1. EJERCICIOS RESUELTOS DE MUESTREO

Ejercicio 3 Para estimar la media de una cierta variable se ha dividido los
datos de la variable en 4 estratos. Cada uno de estos estratos contiene el
número de elementos que se indica:
Estrato 1
110

Tamaño del estrato

Estrato 2
512

Estrato 3
653

Estrato 4
221

1. Si se desea extraer una muestra que globalmente contenga 150 elementos, ¿
Cuántos elementos han de asignarse han de seleccionarse de cada
estrato.
2. Una vez seleccionada esta muestra, se ha estimado la media y la varianza de cada estrato, usando los valores muestreados dentro de el,
obteniéndose los valores siguientes.
media de la muestra
Cuasivarianza de la muestra

Estrato 1
48.3
25.1

Estrato 2
151
121.2

Estrato 3
62.5
26.5

Estrato 4
321
423.7

A partir de estos datos realizar un estimación para la media y de la
varianza de esta estimación
1. Para calcular el tamaño de la muestra de cada estrato en la a…jación
proporcional usamos la siguiente relación:
n1
n2
=
=
N1
N2

=

n
nl
=
Nl
N

)

ni = N i

n
Ni
=n
N
N

El tamaño de la población es: N = N1 + N2 + N3 + N4 = 110 + 512 +
653 + 221 = 1496: Por tanto:
n1 = n N1 = 150
N
n2 = n N2 = 150
N
n3 =
n1 =

n N3
N
N4
nN

= 150
= 150

110
1496
512
1496
653
1496
221
1496

= 11: 029

11

= 51: 337

51

= 65: 475

66

= 22: 159

22:

Se ha redondeado por exceso el mayor de ellos para conseguir que el
número de elementos de la muestra global sea 150.
2. Resumiendo la información que tenemos hasta ahora:

Tamaño del estrato
Tamaño de la muestra
media de la muestra
Cuasivarianza de la muestra

Estrato 1
110
11
48.3
25.1

Estrato 2
512
51
151
121.2

Estrato 3
653
66
62.5
26.5

Estrato 4
221
22
321
423.7
5
P
X= h
i=1
129: 93;
V ar(X) =

Ni
N xi

=

Ph

110
1496
Ni
N

i=1

653 2 26:5 653 66
1496
66
653

+

512
48:3 + 1496

653
151 + 1496

221
62:5 + 1496

321 =

2 (s )2
c i Ni ni
110 2 25:1 110 11
512 2 121:2 512 51
= 1496
ni
Ni
11
110 + 1496
51
512 +
2 423:7 221 22
221
1496
22
221 = 0:708 96

Ejercicio 4 Con los mismos datos del ejercicio 3, realizar todos los apartados del mismo, sustituyendo en el enunciado la a…jación proporcional por la
óptima.
1. Para calcular el tamaño de la muestra de cada estrato en la a…jación
óptima usamos la siguiente relación:
=

n2
=
2 N2

)

ni =

n1
1 N1

=

nl
n
= Pl
l Nl
1 i Ni
n

i Ni Pl
j=1

j Nj

= n Pl

)
i Ni
j Nj

j=1

Estimando la varianza de la población la cuasivarianza de la muestra.
p
p
Pl
N
j=1 sj Nj = s1p 1 + s2 N2 + s3 N3 + s4 N4 = 110 25:1 + 512 121:2 +
p
653 26:5 + 221 423:7 =
551: 10 + 5636: 7 + 3361: 5 + 4549: 1 = 14098: Por tanto:
n1 = n Pls1 N1

= 150

n3 = n Pls3 N3

j=1 sj Nj

n4 = n Pls4 N4

j=1 sj Nj

6

5636:7
14098

= 59: 973

60

3361:5
14098

= 35: 766

36

= 150

j=1 sj Nj

= 5: 863 6

= 150

n2 = n Pls2 N2

551:10
14098

= 150

j=1 sj Nj

4549:1
14098

= 48: 402

48

Resumiendo la información que tenemos hasta ahora:
Tamaño del estrato
Tamaño de la muestra
media de la muestra
Cuasivarianza de la muestra
P
2. X = h
i=1
129: 93;
V ar(X) =

Ni
N xi

Ph

=

i=1

653 2 26:5 653 36
1496
36
653

110
1496
Ni
N

+

Estrato 1
110
6
48.3
25.1

512
48:3 + 1496

Estrato 2
512
60
151
121.2

653
151 + 1496

Estrato 3
653
36
62.5
26.5

221
62:5 + 1496

Estrato 4
221
48
321
423.7

321 =

2 (s )2
c i Ni ni
110 2 25:1 110 6
512 2 121:2 512 60
= 1496
ni
Ni
6
110 + 1496
60
512 +
221 2 423:7 221 48
1496
48
221 = 0:513 58
6

TEMA 1. EJERCICIOS RESUELTOS DE MUESTREO

Ejercicio 5 Considerando como población los número naturales impares del
1 al 40 estima la media poblacional por medio de una muestra aleatoria de 8
elementos usando las siguientas técnicas de muestreo:
1. Extrayendo la muestra por medio de un muestreo aleatorio simple con
sustitución.
2. Considerando la población en dos estratos: El primer estrato formado
por los números de 1 a 10 y el segundo por los números del 10 al 40.
Usar asignación proporcional.
3. Considerando la población en dos estratos: El primer estrato formado
por los números de 1 a 10 y el segundo por los números del 10 al 40.
Usar asignación óptima.
4. Usando un muestreo sistemático.
1. La población es P = f1; 3; 5; 7; 9; 11; 13; 15; 17; 19; 21; 23; 25; 27; 29; 31; 33; 35; 37; 39g :
con N = 20 Para seleccionar una muestra de 10 elementos usaremos
el siguiente procedimiento: Tomamos una tabla de numeros aleatorios
y consideramos 20 grupos de dos cifras. Los números obtenidos por
este procedimiento en la tabla son 03 47 43 73 86, etc. Dividimos estos
números por 100, para conseguír un número comprendido entre 0 y 1.
A continuación los multiplicamos por 20 y elegimos la parte entera. +1
para conseguir el orden del número que hay que seleccionar. Vamos a
seleccionar detalladamente los tres primeros:
0:03 20 + 1 = 1: 6: El primer elemento de la muestra es el 1, que ocupa
el lugar correspondiente a la parte entera.
0:47 20 + 1 = 10: 4: El segundo elemento es el 19 (ocupa el lugar
décimo)
0:43

20 + 1 = 9: 6: El tercer elemento es el 17

No obstante, como este método sería muy tedioso, por lo que se ha
usado un procedimiento de Excel para seleccionar muestras de una
población (seleccionar: herramientas ! análisis de datos ! muestra):
Por este procedimiento se ha obtenido la muestra de 8 elementos siguiente
f7:3; 37; 29; 3; 19; 17; 19g cuya media resulto ser xalea = 16:75:
2. La asignación proporcional consiste en elegir 2 elementos del primer
estrato y 6 del segundo estrato. Realizando este trabajo con excel se
han obtenido las muestras de los dos estratos siguientes: M1 = f7; 3g y
M2 = f19; 11; 19; 37; 29; 17g :La media del primer estrato es 5 y la del
7
segundo estrato 22 estimando ahora la media de la muestra del global
resulta:
xprop =

2
8

5+

6
8

22 = 17: 75

3. Para estimar la desviación de los estratos usamos la cuasidesviación de
los estratos extraidos en el apartado 2, cuyos valores son 2.83 y 9.36
respectivamente.
N1 s1 = 5

2:83 = 14: 15

N2 s2 = 15

9:38 = 140: 7

N1 s1 + N2 s2 = 14:15 + 140:7 = 154: 85:
Así que la signación óptima se realiza de la siguiente forma:
14:15
154:85
140:7
154:85

n1 = 8
n2 = 8

= 0:731 03
= 7: 269 0

Redondeando a los enteros más cercanos seleccionamos 1 elemento del
primer estrato y 7 del segundo estrato. realizando de nuevo la selección
con Excel obtenemos las dos muestras de cada estrato M1 = f9g y
M2 = f25; 35; 29; 15; 15; 21; 17g : La media de la primera muestra es 9
y la media de la segunda es 22.43.
La estimación de la media poblacional usando la a…jación óptima ha
resultado ser:
xopt =

2
8

9+

6
8

22:43 = 19: 073:

Considerando que la media de la población total es 20 resulta que la
a…jación óptima da mejor resultado que la a…jación proporcional. El
peor resultado se consigue con el muestreo aleatorio. Este resultado no
es sorprendente, ya que se demuestra que las varianzas de las estimaciones de las medias en el muestreo aleatorio es mayor que la varianza
de la estimación en el estrati…cado con asignación proporcional y esta
a su vez mayor que la varianza de la estimación con a…jación óptima:
V ar(xalea )

V ar(xprop )

V ar(xopt )

4. Hemos sorteado el primer elemento que resultó ser 35 el primer. Para
seleccionar el intervalo del número de orden entre un elemento y otro
hemos calculado 20 = 2: 5. Como no resulta exacto, podríamos elegir un
8
número cada dos elementos o un número cada seleccionado 3, elementos.
Seleccionando un elemento para la muestra cada tres elementos de la
población y comenzando por 35 se ha obtenido la siguiente muestra
sistemática:f35; 1; 7; 13; 19; 25; 31; 37g : La estimación de la media con
esta muestra es: xsist = 35+1+7+13+19+25+31+37 = 21
8
8

TEMA 1. EJERCICIOS RESUELTOS DE MUESTREO
Tema 2

Ejercicios resueltos de
Estimación
Ejercicio 6 Consideremos la variable aleatoria cuya función de densidad
1
es f (x; ) = 1 e x para x 0 y
> 0: Supongamos que disponemos de
dos estimadores posible de ; basados en muestras aleatorias simples de tres
elementos:
x1 +x2 +x3
; 2 = x1 +x2 +x3 :
1 =
2
4
Se pide:
1. Deducir si estos estimadores son insesgados y, si procede calcular su
sesgo.
2. Deducir cuál de estos estimadores es más e…ciente.
3. Seleccionar cuál de ellos es mejor estimador.
4. Calcular el error cuadrático medio de ambos estimadores.
5. Si consideramos muestra de n elementos y los estimadores de
x1 +x2 + +xn
;
n 1

1 =
tentes?

2

=

x1 +x2 + +xn
:
n+1

¿
Son estos estimadores consis-

1. E( 1 ) = E x1 +x2 +x3 = 1 [E(x1 ) + E(x2 ) + E(x3 )] = 3 E(x) =
2
2
2
que la variable x es exponencial
E( 2 ) = E

x1 +x2 +x3
4

=

El sesgo del primero es
El sesgo del segundo es

1
4

[E(x1 ) + E(x2 ) + E(x3 )] = 3 E(x) =
4
3
2
3
4

=
=

:

3
2

; ya

3
4

1
2
1
4

Ninguno de los estimadores es insesgado, y el segundo es, en este aspecto, mejor que el primero, porque tiene menos sesgo.
9
10

TEMA 2. EJERCICIOS RESUELTOS DE ESTIMACIÓN
2. V ar( 1 ) = V ar x1 +x2 +x3 = 1 V ar (x1 + x2 + x3 ) =
2
4
ya que la varianza de la x es 2 :
V ar( 2 ) = V ar
3 2
16 :

x1 +x2 +x3
4

=

1
16 V

3
4V

ar (x1 + x2 + x3 ) =

3 2
4

ar(x) =
3
16 V

ar(x) =

El segundo estimador tiene menor varianza, así que es más e…ciente que
el primero.
3. Considerando estos dos aspectos es mejor el segundo, ya que además
de tener menos sesgo, tiene menos dispersión.
4. ECM ( 1 ) = V ar( 1 ) + sesgo2 ( 1 ) =
ECM ( 2 ) = V ar( 2 ) + sesgo2 ( 2 ) =

3 2
1
+4 2= 2
4
1
3 2
+ 16 2 = 1 2
16
4

5. Tiene que cumplirse: limn!1 E(T ) =
2
limn!1 E( 1 ) = E x1 +xn+1 +xn
n
limn!1 n 1 E(x) = :

Veamos si

1

y limn!1 Var(T ) = 0

= limn!1

1
n 1

[E(x1 ) + E(x2 ) +

+ E(xn )] =

cumple también la segunda propiedad:

limn!1 Var( 1 ) = limn!1 Var
limn!1 (n n1)2 2

=0

2

x1 +x2 + +xn
n 1

= limn!1

1
nV
(n 1)2

ar(x) =

= 0:

Así que 1 es un estimador consistente de . Por un razonamiento
parecido puede comprobarse que también 2 es un estimador consistente
de :
Ejercicio 7 Dada una distribución binomial B(n,p) y sus muestras de tres
elementos fx1 ; x2 ; x3 g, comprobar que el estimador de p conseguido por el
método de los momentos igualando la media muestral y la media poblacional
es al mismo tiempo un estimador de máxima verosimilitud para p.
Calculamos la expresión del estimador. La media poblacional es, en el
caso de la binomial np la media muestral de las muestras de tres elementos
es:
: Igualando ambas expresiones obtenemos:
np = x = x1 +x2 +x3 : Despejando p; se obtiene p = n :
b x
2
Hallamos ahora el estimador de máxima verosimilitud para p:
La función de verosimilitud, sería ahora el producto de las probabilidades
correspondientes a los valores de la muestra:
Como la función de probabilidad de la binomial es, llamando x a la variable, P (X = b) = n pb (1 p)n b ; entonces la función de verosimilitud sería:
b h
ih
ih
n
x1
x1 p (1
p)3n (x1 +x2 +x3 )

V (x1 ; x2 ; x3 ; p) =

px1 +x2 +x3 (1

p)n

x1

n
x2

px2 (1

p)n

x2

n
x3

px3 (1

p)n

x3

i

=
11
ln [V (x1 ; x2 ; x3 ; p)] = ln
p)

h

n
x1

n
x2

n
x3

i

+(x1 +x2 +x3 ) ln p+[3n

(x1 + x2 + x3 )] ln(1

Hallando ahora la derivada con respecto a p e igualando a 0 obtenemos
1
(x1 + x2 + x3 ) p [3n (x1 + x2 + x3 )] 1 1p = 0;
Ejercicio 8

x1 +x2 +x3
p

=

3n (x1 +x2 +x3 )
;
1 p

x
Despejando p obtenemos p = x1 +x2 +x3 = n : Por lo tanto el estimador que
b
3n
se había obtenido por el método de los momentos es también el de máxima
verosimilitud. Conviene sustituir este valor de p en la derivada segunda para
asegurarse que es un máximo y no un mínimo (La derivada segunda ha de
ser negativa). Como el intervalo de de…nición de p es cerrado se debe hallar
la verosimilitud en los extremos de p que son 0 y 1. Pero se puede observar
fácilmente que V (x1 ; x2 ; x3 ; 0) = 0 y V (x1 ; x2 ; x3 ; 1) = 0:

Ejercicio 9 La siguiente tabla es la tabla de frecuencias de la edad en meses
en la que empezaron a andar una m. a. s. de 240 niños.
Edad
frecuencia

9
13

10
35

11
44

12
69

13
36

14
24

15
7

16
3

17
2

18
5

19
1

20
1

1. Construir una Diagrama de Barras para la variable edad. A la vista de
esta grá…ca decida si la variable edad parece ser normal y si el promedio
de la muestra se distribuirá como una normal.
2. Calcular la media, el error estándar y un intervalo de con…anza para
la edad media en que estos niños han comenzado a andar.
3. Si se desea que el margen de error sea de sólo de 0.5 meses, ¿
Cuántos niños debería contener la muestra manteniendo el mismo nivel de
con…anza
1. El Diagrama de barras presenta este aspecto:La distribución de la edad
no parece normal, pues no parece que la grá…ca sea simétrica. No
obstante, el promedio de edad, según el teorema central del límite se
aproximará a una normal, ya que el tamaño de la muestra es amplio
(n = 240 >> 30):
2. La media es:
1 P
x = N N ni xi =
n=1

1
240 (13

9 + 35

El error estándar de la muestra es
expresión:

10 +
s
pc ;
n

+ 20

1) = 12:08 meses

Para calcular sc usamos la
12

TEMA 2. EJERCICIOS RESUELTOS DE ESTIMACIÓN

80
70
60
50
40
30
20
10
0
19

17

15

11

13

frecuencias

9

frecuencias

Diagrama de barras para edad

edad

s2 =
c
240
239

N
2
N 1S

=

1
240 (13

N
N 1

1
N

2
n=1 ni xi

x2 =

102 +
+ 1 202 ) 12:082 = 3:71
p
p
s
Error estándar = pc = 3:71= 240 = 0:124 33. Este valor es una
n
estimación de la deviación típica del promedio de edad para muestras
con 240 elementos.
=

92 + 35

PN

Para calcular el intervalo de con…anza hay que considerar que la varianza es desconocida. Por tanto el intervalo de con…anza sería:
s
s
(x tn 1;1 2 pc ; x+tn 1;1 2 pc ): No obstante como la muestra es muy
n
n
grande puede sustituirse la t de Student por la normal estándar. Así
que este intervalo se obtendría:
s
s
(x z1 2 pc ; x + z1 2 pc ) = (12:08
n
n
0:124 33) = (11: 836; 12: 324)

3. El error de precisión es z1
Asi que queremos que z1
p
3:71
p
n

2

2

s
pc
n

1:96

0:124 33; 12:08 + 1:96

s
pc
n

< 0:5

1:96
0:5: Despejando n
debería contener al menos 58 niños.

57: 009: Por lo tanto la muestra
13
Ejercicio 10 Calcular estimadores de máxima verosimilitud para los parámetros y de una distribución normal, suponiendo que ambos parámetros son
desconocidos. Considerar muestras de muestras con 3 elementos
1

2

x

1
En este caso la función de densidad es: p2 e 2 (
de verosimilitud será:
L (x1 ; x2 ; ::::xn ; ) = f (x1 ; ) f (x2 ; ) :::f (xn ; ) =
x1

2

3 ln

1

1
p
2

1

2

x2

1

) , así que la función

2

x3

1
1
1
p e 2
p e 2
= p2 e 2
2
2
El logaritmo neperiano de esta función de verosimilitud es:
1
2

x1

2

x2

1
2

2

1
2

x3

2

Considerando las derivadas parciales con relación a y a e igualando
ambas a 0, se obtiene el sistema. La derivada con respecto a igualada a 0
es:
2
1
2 x2
1
2 x3
1
0 2 x1
=0
2
2
x1
x2
x3
1
1
1
3
(x1
)
(x2
)
(x3
2
2
1
)
=0
2
Despejando de la primera ecuación , obtenemos su estimación máximoverosímil:
^=

x1 +x2 +x3
3

=x

Sustituyendo esta expresión en la segunda ecuación del sistema obtenemos, trás multiplicar por :
3 + (x1 x)2 12 + (x2 x)2 12 + (x3 x)2 12 = 0: despejando se obtiene:
c = (x1
2

x)2 + (x2

x)2 + (x2

x)2

3

Así que la varianza muestral es estimador de máxima verosimilitud de 2 ;
que es una propiedad deseable para un estimador, teniendo sin embargo el
inconveniente de no ser un estimador insesgado: El estimador de máxima
verosimilitud para es la desviación típica de la muestra.
r
(x1 x)2 + (x2 x)2 + (x2 x)2
b=
3

Ejercicio 11 Sea una variable aleatoria cuya función densidad viene dada
por f (x) = ax2 ; 0 x
::Se pide:
1. Calcular el valor de a en función de :
14

TEMA 2. EJERCICIOS RESUELTOS DE ESTIMACIÓN
2. Se ha extraido una muestra de 4 elementos de esta distribución, f2; 3; 3:5; 4g :
Se pide calcular una estimación de máxima verosimilitud para el parámetro
3. Usando la media anterior hallar una estimación para
de los momentos.

por el método

4. Considerando muestras de n elementos calcula un estimador de por
el método de los momentos calcula su media, su varianza, su sesgo, y
su consistencia.
5. Una muestra de 60 elementos de esta distribución tiene una media de
24. Estima el valor de y calcula un intervalo de con…anza al 90%
(aproximadamente) para la media poblacional.
1.

R

0

ax2 dx = 1 a
3

3

= 1;

a=

3
3

2. La función de veromilitud para la muestra es:
5

4
V (2; 3; 3:5; 4; ) = 33 22 33 32 33 3:52 33 42 = 5: 715 12 10 :y 0 x
:
Esta última función nos indica que ha de ser mayoro igual que los
valores de la muestra. Esta función es decreciente en el intervalo [0; ] ;
y no está de…nida para = 0; por lo que no tiene máximos relativos
en este intervalo. Si hacemos su derivada observaremos que no puede
anularse. Así que habrá que usar otros recursos. Es obvio que mientras
más pequeño sea mayor será la función de verosimilitud,. pero además
debe ser mayor o igual que todos los valores de la muestra, el mejor
valor es el mayor valor de la muestra, y por tanto damos a el valor 4,
siendo este valor su estimación de máxima verosimilitud.

3. Igualamos la media muestral y la media poblacional. x = 2+3+3:5+4 =
4
3: 125:
R
3
La media poblacional es: = E(x) = 0 x 33 x2 dx = 4 : Igualando
ambas medias 3:125 =

4.

3
4

3
4

;

= 4: 166 7:

4
= x; b = 3 x;

4
4
4
E(b) = E( 4 x) = 3 E( x1 +x2 + +xn ) = 3n nE(x) = 3n n
3
n
que es un estimador insesgado.
V ar(b) = V ar x1 +x2 + +xn = 12 nV ar(x) = V ar(x) :
n

V ar(b) =

2

3
80n

= ; asi

3 2
:
80

Por tanto

n

n

Calculamos ahora la varianza de x:
R
2
3
V ar(x) = 0 x2 33 x2 dx
=
4

3
4

3 2
5

3
4

2

=
15
Como el estimador es insesgado y el límite de la varianza es 0 para
n ! 1; :el estimador es consistente.
b = 4 x = 4 24 = 32:
3

3

5. Como la muestra es amplia podemos suponer que la media se distribuye
aproximadamente como una normal y que su intervalo de con…anza
puede aproximarse con la expresión:
(X

S
pc tn
n

1;1

=2 ;

Sc
X + p tn
n

1;1

=2 )

(2.1)

Como no se conoce Sc ; que es la cuasivarianza de la muestra, el único
recurso disponible es estimar su valor por medio de la expresión:
q
p
3
3
b
0:037 5 = 0:193 65 = 0:193 65
V ar(x) = 80 2 ; Sc = 80 2 =
32 = 6: 196 8:

El valor de = 1 0:90; y t59;0:95 = TInv(0:95; 59) = 1: 671 1; así que
el intervalo de con…anza resultará:
6:1968
6:1968
6:1968
p
p
(24
t59;0:95 ; 24 + p
t59;0:95 ) = (24
1:6711; 24 +
60
60
60
6:1968
p
1:6711) =
60
(24 1: 336 9; 24 + 1: 336 9) = (22: 663; 25: 337):

More Related Content

What's hot

Medidas de Dispersion Estadistica I
Medidas de Dispersion Estadistica IMedidas de Dispersion Estadistica I
Medidas de Dispersion Estadistica IArnaly Perozo
 
2 prueba z,prueba t student y prueba chi-cuadrado
2 prueba z,prueba t student y prueba chi-cuadrado2 prueba z,prueba t student y prueba chi-cuadrado
2 prueba z,prueba t student y prueba chi-cuadradoRomina Gallegos Ormeño
 
Exposición-Muestreo Estratificado.pptx
Exposición-Muestreo Estratificado.pptxExposición-Muestreo Estratificado.pptx
Exposición-Muestreo Estratificado.pptxBryanEviaPachar
 
Inferencias referentes a medias y varianzas
Inferencias referentes a medias y varianzasInferencias referentes a medias y varianzas
Inferencias referentes a medias y varianzasYIFERLINES
 
Muestreo técnicas de recolección
Muestreo técnicas de recolecciónMuestreo técnicas de recolección
Muestreo técnicas de recolecciónAlejandra Camors
 
Regresión y correlacion Lineal
Regresión y correlacion LinealRegresión y correlacion Lineal
Regresión y correlacion LinealIsaac Gomez
 
ESTIMADORES DE REGRESIÓN
ESTIMADORES DE REGRESIÓNESTIMADORES DE REGRESIÓN
ESTIMADORES DE REGRESIÓNguestc0072b
 
Formulario 1 estadística ii (1)
Formulario 1 estadística ii (1)Formulario 1 estadística ii (1)
Formulario 1 estadística ii (1)Juan Soto
 
Prueba De HipóTesis Sobre La Diferencia De Proporciones Poblacionales
Prueba De HipóTesis Sobre La Diferencia De Proporciones PoblacionalesPrueba De HipóTesis Sobre La Diferencia De Proporciones Poblacionales
Prueba De HipóTesis Sobre La Diferencia De Proporciones PoblacionalesMaría Isabel Bautista
 
INFERENCIA REFERENTE A MEDIAS Y VARIANZAS
INFERENCIA REFERENTE A MEDIAS Y VARIANZASINFERENCIA REFERENTE A MEDIAS Y VARIANZAS
INFERENCIA REFERENTE A MEDIAS Y VARIANZASGERENCIA MTTO 3ER CORTE
 
Tablas de contingencia
Tablas de contingenciaTablas de contingencia
Tablas de contingenciaeradio2508
 
Metodos de correlacion de spearman y pearson
Metodos de correlacion de spearman y pearsonMetodos de correlacion de spearman y pearson
Metodos de correlacion de spearman y pearsonmichacy
 

What's hot (20)

Medidas de Dispersion Estadistica I
Medidas de Dispersion Estadistica IMedidas de Dispersion Estadistica I
Medidas de Dispersion Estadistica I
 
2 prueba z,prueba t student y prueba chi-cuadrado
2 prueba z,prueba t student y prueba chi-cuadrado2 prueba z,prueba t student y prueba chi-cuadrado
2 prueba z,prueba t student y prueba chi-cuadrado
 
Exposición-Muestreo Estratificado.pptx
Exposición-Muestreo Estratificado.pptxExposición-Muestreo Estratificado.pptx
Exposición-Muestreo Estratificado.pptx
 
Inferencias referentes a medias y varianzas
Inferencias referentes a medias y varianzasInferencias referentes a medias y varianzas
Inferencias referentes a medias y varianzas
 
T studentdoscolas
T studentdoscolasT studentdoscolas
T studentdoscolas
 
Muestreo técnicas de recolección
Muestreo técnicas de recolecciónMuestreo técnicas de recolección
Muestreo técnicas de recolección
 
Regresión y correlacion Lineal
Regresión y correlacion LinealRegresión y correlacion Lineal
Regresión y correlacion Lineal
 
Prueba de hipotesis
Prueba de hipotesisPrueba de hipotesis
Prueba de hipotesis
 
ESTIMADORES DE REGRESIÓN
ESTIMADORES DE REGRESIÓNESTIMADORES DE REGRESIÓN
ESTIMADORES DE REGRESIÓN
 
Trabajo de muestreo
Trabajo de muestreoTrabajo de muestreo
Trabajo de muestreo
 
Formulario 1 estadística ii (1)
Formulario 1 estadística ii (1)Formulario 1 estadística ii (1)
Formulario 1 estadística ii (1)
 
Prueba De HipóTesis Sobre La Diferencia De Proporciones Poblacionales
Prueba De HipóTesis Sobre La Diferencia De Proporciones PoblacionalesPrueba De HipóTesis Sobre La Diferencia De Proporciones Poblacionales
Prueba De HipóTesis Sobre La Diferencia De Proporciones Poblacionales
 
INFERENCIA REFERENTE A MEDIAS Y VARIANZAS
INFERENCIA REFERENTE A MEDIAS Y VARIANZASINFERENCIA REFERENTE A MEDIAS Y VARIANZAS
INFERENCIA REFERENTE A MEDIAS Y VARIANZAS
 
Aplicación spss
Aplicación  spssAplicación  spss
Aplicación spss
 
Estadística: Prueba de Medias
Estadística: Prueba de MediasEstadística: Prueba de Medias
Estadística: Prueba de Medias
 
Hipotesis
HipotesisHipotesis
Hipotesis
 
Tablas de contingencia
Tablas de contingenciaTablas de contingencia
Tablas de contingencia
 
Metodos de correlacion de spearman y pearson
Metodos de correlacion de spearman y pearsonMetodos de correlacion de spearman y pearson
Metodos de correlacion de spearman y pearson
 
EstimacióN Y Prueba De HipóTesis
EstimacióN Y Prueba De HipóTesisEstimacióN Y Prueba De HipóTesis
EstimacióN Y Prueba De HipóTesis
 
ANOVA DE UNO Y DOS FACTORES.pptx
ANOVA DE UNO Y DOS FACTORES.pptxANOVA DE UNO Y DOS FACTORES.pptx
ANOVA DE UNO Y DOS FACTORES.pptx
 

Viewers also liked

Tipos de inventarios
Tipos de inventarios Tipos de inventarios
Tipos de inventarios speakingzerol
 
IdentificacióN AutomáTica De Datos
IdentificacióN AutomáTica De DatosIdentificacióN AutomáTica De Datos
IdentificacióN AutomáTica De DatosArturo Calcagno
 
Codigos QR en educacion (Andoni Sanz)
Codigos QR en educacion (Andoni Sanz)Codigos QR en educacion (Andoni Sanz)
Codigos QR en educacion (Andoni Sanz)Andoni Sanz
 
Repartos inversamente proporcionales
Repartos inversamente proporcionalesRepartos inversamente proporcionales
Repartos inversamente proporcionalesbegoola
 
Muestreo de trabajo
Muestreo de trabajoMuestreo de trabajo
Muestreo de trabajoEloen13
 
Código de barras
Código de barrasCódigo de barras
Código de barrasLaís Vidal
 
Codigo De Barras
Codigo De BarrasCodigo De Barras
Codigo De BarrasAGROFARMA
 
Medicion del trabajo, muestreo del trabajo
Medicion del trabajo, muestreo del trabajoMedicion del trabajo, muestreo del trabajo
Medicion del trabajo, muestreo del trabajoBruno Soto Armenta
 
Distribuciones muestrales. distribucion muestral de medias
Distribuciones muestrales. distribucion muestral de mediasDistribuciones muestrales. distribucion muestral de medias
Distribuciones muestrales. distribucion muestral de mediaseraperez
 
Equipo de protección personal presentacion
Equipo de protección personal presentacionEquipo de protección personal presentacion
Equipo de protección personal presentaciontomasgomez11
 

Viewers also liked (20)

Tipos de inventario
Tipos de inventarioTipos de inventario
Tipos de inventario
 
Códigos qr ..dp
Códigos qr ..dpCódigos qr ..dp
Códigos qr ..dp
 
Qr Codes o Códigos QR
Qr Codes o Códigos QRQr Codes o Códigos QR
Qr Codes o Códigos QR
 
Tipos de inventarios
Tipos de inventarios Tipos de inventarios
Tipos de inventarios
 
IdentificacióN AutomáTica De Datos
IdentificacióN AutomáTica De DatosIdentificacióN AutomáTica De Datos
IdentificacióN AutomáTica De Datos
 
Codigos QR en educacion (Andoni Sanz)
Codigos QR en educacion (Andoni Sanz)Codigos QR en educacion (Andoni Sanz)
Codigos QR en educacion (Andoni Sanz)
 
Repartos inversamente proporcionales
Repartos inversamente proporcionalesRepartos inversamente proporcionales
Repartos inversamente proporcionales
 
Muestreo de trabajo
Muestreo de trabajoMuestreo de trabajo
Muestreo de trabajo
 
Codigos de barras ppt
Codigos de barras pptCodigos de barras ppt
Codigos de barras ppt
 
Código de barras
Código de barrasCódigo de barras
Código de barras
 
Codigo barras
Codigo barrasCodigo barras
Codigo barras
 
CÓDIGOS QR
CÓDIGOS QRCÓDIGOS QR
CÓDIGOS QR
 
Codigo de barras
Codigo de barrasCodigo de barras
Codigo de barras
 
Codigo de barras
Codigo de barrasCodigo de barras
Codigo de barras
 
Código de barras
Código de barrasCódigo de barras
Código de barras
 
Codigo De Barras
Codigo De BarrasCodigo De Barras
Codigo De Barras
 
Medicion del trabajo, muestreo del trabajo
Medicion del trabajo, muestreo del trabajoMedicion del trabajo, muestreo del trabajo
Medicion del trabajo, muestreo del trabajo
 
Problemario
ProblemarioProblemario
Problemario
 
Distribuciones muestrales. distribucion muestral de medias
Distribuciones muestrales. distribucion muestral de mediasDistribuciones muestrales. distribucion muestral de medias
Distribuciones muestrales. distribucion muestral de medias
 
Equipo de protección personal presentacion
Equipo de protección personal presentacionEquipo de protección personal presentacion
Equipo de protección personal presentacion
 

Similar to Resueltos (20)

Unidad 2
Unidad 2Unidad 2
Unidad 2
 
SesióN 16
SesióN 16SesióN 16
SesióN 16
 
Estadística Inferencial Semana 1.pptx
Estadística Inferencial Semana 1.pptxEstadística Inferencial Semana 1.pptx
Estadística Inferencial Semana 1.pptx
 
Análisis de datos experimentales resumen
Análisis de datos experimentales resumenAnálisis de datos experimentales resumen
Análisis de datos experimentales resumen
 
Distribucion muestral de proporciones
Distribucion muestral de proporcionesDistribucion muestral de proporciones
Distribucion muestral de proporciones
 
Bloque 3 3d
Bloque 3 3dBloque 3 3d
Bloque 3 3d
 
Distribucion muestral estadistica II
Distribucion muestral estadistica II Distribucion muestral estadistica II
Distribucion muestral estadistica II
 
Estimadores
EstimadoresEstimadores
Estimadores
 
Presentación Tema 2.pptx
Presentación Tema 2.pptxPresentación Tema 2.pptx
Presentación Tema 2.pptx
 
Estimadores
EstimadoresEstimadores
Estimadores
 
Actividades distribuciones de_probabilidad
Actividades distribuciones de_probabilidadActividades distribuciones de_probabilidad
Actividades distribuciones de_probabilidad
 
5
55
5
 
DISTRIBUCIÓN MUESTRAL DE LA MEDIA
DISTRIBUCIÓN MUESTRAL DE LA MEDIADISTRIBUCIÓN MUESTRAL DE LA MEDIA
DISTRIBUCIÓN MUESTRAL DE LA MEDIA
 
Pruebas de hipótesis 1
Pruebas de hipótesis 1Pruebas de hipótesis 1
Pruebas de hipótesis 1
 
Pruebas de-hipótesis-1
Pruebas de-hipótesis-1Pruebas de-hipótesis-1
Pruebas de-hipótesis-1
 
Pruebas de-hipótesis-1
Pruebas de-hipótesis-1Pruebas de-hipótesis-1
Pruebas de-hipótesis-1
 
Pruebas de hipótesis
Pruebas de hipótesis Pruebas de hipótesis
Pruebas de hipótesis
 
Distribución de la media muestral.pptx
Distribución de la media muestral.pptxDistribución de la media muestral.pptx
Distribución de la media muestral.pptx
 
Inferencia introducción
Inferencia introducciónInferencia introducción
Inferencia introducción
 
ESTADISTICA II
ESTADISTICA IIESTADISTICA II
ESTADISTICA II
 

Resueltos

  • 1. Tema 1 Ejercicios resueltos de Muestreo Ejercicio 1 Sea una población …nita de 4 elementos: P = f3; 4; 1; 2g : Se consideran muestras de 3 elementos que se suponen extraidos y no devueltos a la población y que el muestreo es aleatorio simple. Las muestras se consideran distintas si se diferencian en algún elemento. Se pide: 1) Escribir todas las muestras posibles 2) Calcular la probabilidad de cada muestra. 3) Calcula la media, ; la varianza, 2 de la población. 4) Calcula la media, x; la varianza, S 2 ; y la cuasivarianza, s2 de cada muestra. 5) Describe las funciones de c probabilidad de estos estadísticos. 6) Calcula la esperanza E(x); y decide si x es un estimador centrado o insesgado de la media de la población 7) Calcula la esperanza S 2 ;y de s2 y decide si alguno de estos estadísticos son c estimadores centrados o insesgados de la varianza de la población. 8) Cálcula la varianza de x: 9) Comprueba la concordancia de los valores obtenidos en los anteriores apartados con los resultados teóricos. 1. Las muestras posibles son f3; 4; 1g ; f3; 4; 2g ; f3; 1; 2g ; f4; 1; 2g : 2. La probabilidad de extración de cada una de estas muestra es 1 4 0:25 3. La media de P = f3; 4; 1; 2g es = 2:5 y su varianza es 2 = 1 (4) 3 = = 1:25 4. Las medias varianzas y cuasivarianzas de cada una de estas muestras están dadas en la tabla siguiente: muestra f3; 4; 1g f3; 4; 2g f3; 1; 2g f4; 1; 2g media,x 2:b 6 3 2 2:b 3 Varianza, S2 1.b 5 0.b 6 b 0.6 1.b 5 1 cuasivarianza,s2 c 2.b 3 1 1 2.b 3
  • 2. 2 TEMA 1. EJERCICIOS RESUELTOS DE MUESTREO 5. La función de probabilidad de la medias de la muestra es la siguiente: x Probabilidad b 1/4 2:6 3 1/4 2 1/4 2:b 1/4 3 S2 5 La función de probabilidad de la varianza de la muestra es: 1.b 0.b 6 La función de probabilidad de la cuasivarianza s2 cuasivarianza c 2.b 1/2 3 1 1/2 cuasivarianza 1/2 1/2 de la muestra es: 6. La esperanza de la media de las muestra, teniendo en cuenta su función de probabilidad es. E(x) = 2:666667 1 4 +3 1 4 +2 1 4 + 2:333333 1 4 = 2: 5 = : por tanto x es un estimador insesgado de la media poblacional : 7. La esperanza de la varianza de la muestra, teniendo en cuenta su función de probabilidad es. E(S 2 ) = 1:5555556 1 2 + 0:6666667 1 2 = 1: 111 1 La esperanza de la cuasivarianza de la muestra, teniendo en cuenta su función de probabilidad es. E(s2 ) = 2:3333333 c 1 2 +1 1 2 = 1: 666 667 Ninguna de estas esperanzas coincide con la poblacional, 2 = 1:25; así que ninguno de estos estadísticos son estimadores centrados de la varianza de la población. 8. La varianza de la media muestral es: V ar(x) = E(x) = 2:6666672 0:138 89 1 2 4 +3 1 2 4 +2 1 2 4 +2:333333 1 4 2:52 = 9. En el caso del muestreo aleatorio simple sin reemplazamiento se cumple: a) La esperanza de la media muestral es la media poblacional, tal como se ha puesto de mani…esto en el apartado 6) 4 b) E(s2 ) = 2 NN 1 = 1:25 3 = 1: 666 7; así que ahora la cuasivaric anza de la muestra es un estimador insesgado de la cuasivarianza de la población, coincidiendo con el resultado del apartado 7)
  • 3. 3 Por otra parte: E(S 2 ) = E(s2 nn 1 ) = E(s2 ) nn 1 = c c 2 N n 1 N 1 n = 1: 666 7 2 3 = 1: 111 1 coincidiendo con el valor obtenido en el primer cálculo del apartado 7). 2 n 1 1:25 2 c) V ar(x) = n (1 N 1 ) = 3 (1 3 ) = 0:138 89 que es el valor obtenido para la varianza de la media muestral en el apartado 8). Ejercicio 2 Considerando en la población P = f3; 4; 1; 2g ya dada en el problema 1, se realiza un cierto tipo de muestreo en el que las únicas muestras posibles son f3; 4; 1g y f4; 1; 2g ; con la distribución de probabilidad y características indicada en la siguiente tabla muestra f3; 4; 1g f4; 1; 2g Probabilidad 0.3 0.7 media,x 2:b 6 2:b 3 Varianza, S2 1.b 5 1.b 5 cuasivarianza,s2 c 2.b 3 2.b 3 1. Calcular la esperanza, la varianza, el sesgo y el error cuadrático medio del estadístico x 2. ¿ mejor este tipo de muestreo, o el aleatorio simple del problema 1, Es para estimar la media poblacional?. 1. E(x) = 2:6666667 V ar(x) = 0:3 + 2:3333333 2:66666672 Sesgo(x) = E(x) 0:3+2:33333332 = 2:4333 )2 2:5 = 0:7 = 2: 433 3 0:7 2: 433 32 = 2: 349 5 10 2 0:066 7 x2 ECM (x) = E(x =E 2x + 2 = E x2 2 E (x) + 2 = 2:66666672 0:3 + 2:33333332 0:7 2 2:5 2: 433 3 + 2:52 = 0:02: 794 4: También podíamos haber empleado la expresión: ECM (x) = V ar(x) + Sesgo2 (x) = 0:023495 + ( 0:0667)2 = 2: 794 4 10 2 Este estimador no es centrado como el del muestreo aleatorio simple, pero a cambio tiene menos varianza. Para decidir entre ambos comparamos los errores cuadrático medio del estadístico x: 2. Calculamos el error cuadrático medio del primero, es decir, del muestreo aleatorio simple: ECM (x) = V ar(x) + Sesgo2 (x) = 0:138892 + 02 = 0:019 29: Como el error cuadrático medio es mejor en el caso del muestreo aleatorio simple, preferimos este tipo de muestreo.
  • 4. 4 TEMA 1. EJERCICIOS RESUELTOS DE MUESTREO Ejercicio 3 Para estimar la media de una cierta variable se ha dividido los datos de la variable en 4 estratos. Cada uno de estos estratos contiene el número de elementos que se indica: Estrato 1 110 Tamaño del estrato Estrato 2 512 Estrato 3 653 Estrato 4 221 1. Si se desea extraer una muestra que globalmente contenga 150 elementos, ¿ Cuántos elementos han de asignarse han de seleccionarse de cada estrato. 2. Una vez seleccionada esta muestra, se ha estimado la media y la varianza de cada estrato, usando los valores muestreados dentro de el, obteniéndose los valores siguientes. media de la muestra Cuasivarianza de la muestra Estrato 1 48.3 25.1 Estrato 2 151 121.2 Estrato 3 62.5 26.5 Estrato 4 321 423.7 A partir de estos datos realizar un estimación para la media y de la varianza de esta estimación 1. Para calcular el tamaño de la muestra de cada estrato en la a…jación proporcional usamos la siguiente relación: n1 n2 = = N1 N2 = n nl = Nl N ) ni = N i n Ni =n N N El tamaño de la población es: N = N1 + N2 + N3 + N4 = 110 + 512 + 653 + 221 = 1496: Por tanto: n1 = n N1 = 150 N n2 = n N2 = 150 N n3 = n1 = n N3 N N4 nN = 150 = 150 110 1496 512 1496 653 1496 221 1496 = 11: 029 11 = 51: 337 51 = 65: 475 66 = 22: 159 22: Se ha redondeado por exceso el mayor de ellos para conseguir que el número de elementos de la muestra global sea 150. 2. Resumiendo la información que tenemos hasta ahora: Tamaño del estrato Tamaño de la muestra media de la muestra Cuasivarianza de la muestra Estrato 1 110 11 48.3 25.1 Estrato 2 512 51 151 121.2 Estrato 3 653 66 62.5 26.5 Estrato 4 221 22 321 423.7
  • 5. 5 P X= h i=1 129: 93; V ar(X) = Ni N xi = Ph 110 1496 Ni N i=1 653 2 26:5 653 66 1496 66 653 + 512 48:3 + 1496 653 151 + 1496 221 62:5 + 1496 321 = 2 (s )2 c i Ni ni 110 2 25:1 110 11 512 2 121:2 512 51 = 1496 ni Ni 11 110 + 1496 51 512 + 2 423:7 221 22 221 1496 22 221 = 0:708 96 Ejercicio 4 Con los mismos datos del ejercicio 3, realizar todos los apartados del mismo, sustituyendo en el enunciado la a…jación proporcional por la óptima. 1. Para calcular el tamaño de la muestra de cada estrato en la a…jación óptima usamos la siguiente relación: = n2 = 2 N2 ) ni = n1 1 N1 = nl n = Pl l Nl 1 i Ni n i Ni Pl j=1 j Nj = n Pl ) i Ni j Nj j=1 Estimando la varianza de la población la cuasivarianza de la muestra. p p Pl N j=1 sj Nj = s1p 1 + s2 N2 + s3 N3 + s4 N4 = 110 25:1 + 512 121:2 + p 653 26:5 + 221 423:7 = 551: 10 + 5636: 7 + 3361: 5 + 4549: 1 = 14098: Por tanto: n1 = n Pls1 N1 = 150 n3 = n Pls3 N3 j=1 sj Nj n4 = n Pls4 N4 j=1 sj Nj 6 5636:7 14098 = 59: 973 60 3361:5 14098 = 35: 766 36 = 150 j=1 sj Nj = 5: 863 6 = 150 n2 = n Pls2 N2 551:10 14098 = 150 j=1 sj Nj 4549:1 14098 = 48: 402 48 Resumiendo la información que tenemos hasta ahora: Tamaño del estrato Tamaño de la muestra media de la muestra Cuasivarianza de la muestra P 2. X = h i=1 129: 93; V ar(X) = Ni N xi Ph = i=1 653 2 26:5 653 36 1496 36 653 110 1496 Ni N + Estrato 1 110 6 48.3 25.1 512 48:3 + 1496 Estrato 2 512 60 151 121.2 653 151 + 1496 Estrato 3 653 36 62.5 26.5 221 62:5 + 1496 Estrato 4 221 48 321 423.7 321 = 2 (s )2 c i Ni ni 110 2 25:1 110 6 512 2 121:2 512 60 = 1496 ni Ni 6 110 + 1496 60 512 + 221 2 423:7 221 48 1496 48 221 = 0:513 58
  • 6. 6 TEMA 1. EJERCICIOS RESUELTOS DE MUESTREO Ejercicio 5 Considerando como población los número naturales impares del 1 al 40 estima la media poblacional por medio de una muestra aleatoria de 8 elementos usando las siguientas técnicas de muestreo: 1. Extrayendo la muestra por medio de un muestreo aleatorio simple con sustitución. 2. Considerando la población en dos estratos: El primer estrato formado por los números de 1 a 10 y el segundo por los números del 10 al 40. Usar asignación proporcional. 3. Considerando la población en dos estratos: El primer estrato formado por los números de 1 a 10 y el segundo por los números del 10 al 40. Usar asignación óptima. 4. Usando un muestreo sistemático. 1. La población es P = f1; 3; 5; 7; 9; 11; 13; 15; 17; 19; 21; 23; 25; 27; 29; 31; 33; 35; 37; 39g : con N = 20 Para seleccionar una muestra de 10 elementos usaremos el siguiente procedimiento: Tomamos una tabla de numeros aleatorios y consideramos 20 grupos de dos cifras. Los números obtenidos por este procedimiento en la tabla son 03 47 43 73 86, etc. Dividimos estos números por 100, para conseguír un número comprendido entre 0 y 1. A continuación los multiplicamos por 20 y elegimos la parte entera. +1 para conseguir el orden del número que hay que seleccionar. Vamos a seleccionar detalladamente los tres primeros: 0:03 20 + 1 = 1: 6: El primer elemento de la muestra es el 1, que ocupa el lugar correspondiente a la parte entera. 0:47 20 + 1 = 10: 4: El segundo elemento es el 19 (ocupa el lugar décimo) 0:43 20 + 1 = 9: 6: El tercer elemento es el 17 No obstante, como este método sería muy tedioso, por lo que se ha usado un procedimiento de Excel para seleccionar muestras de una población (seleccionar: herramientas ! análisis de datos ! muestra): Por este procedimiento se ha obtenido la muestra de 8 elementos siguiente f7:3; 37; 29; 3; 19; 17; 19g cuya media resulto ser xalea = 16:75: 2. La asignación proporcional consiste en elegir 2 elementos del primer estrato y 6 del segundo estrato. Realizando este trabajo con excel se han obtenido las muestras de los dos estratos siguientes: M1 = f7; 3g y M2 = f19; 11; 19; 37; 29; 17g :La media del primer estrato es 5 y la del
  • 7. 7 segundo estrato 22 estimando ahora la media de la muestra del global resulta: xprop = 2 8 5+ 6 8 22 = 17: 75 3. Para estimar la desviación de los estratos usamos la cuasidesviación de los estratos extraidos en el apartado 2, cuyos valores son 2.83 y 9.36 respectivamente. N1 s1 = 5 2:83 = 14: 15 N2 s2 = 15 9:38 = 140: 7 N1 s1 + N2 s2 = 14:15 + 140:7 = 154: 85: Así que la signación óptima se realiza de la siguiente forma: 14:15 154:85 140:7 154:85 n1 = 8 n2 = 8 = 0:731 03 = 7: 269 0 Redondeando a los enteros más cercanos seleccionamos 1 elemento del primer estrato y 7 del segundo estrato. realizando de nuevo la selección con Excel obtenemos las dos muestras de cada estrato M1 = f9g y M2 = f25; 35; 29; 15; 15; 21; 17g : La media de la primera muestra es 9 y la media de la segunda es 22.43. La estimación de la media poblacional usando la a…jación óptima ha resultado ser: xopt = 2 8 9+ 6 8 22:43 = 19: 073: Considerando que la media de la población total es 20 resulta que la a…jación óptima da mejor resultado que la a…jación proporcional. El peor resultado se consigue con el muestreo aleatorio. Este resultado no es sorprendente, ya que se demuestra que las varianzas de las estimaciones de las medias en el muestreo aleatorio es mayor que la varianza de la estimación en el estrati…cado con asignación proporcional y esta a su vez mayor que la varianza de la estimación con a…jación óptima: V ar(xalea ) V ar(xprop ) V ar(xopt ) 4. Hemos sorteado el primer elemento que resultó ser 35 el primer. Para seleccionar el intervalo del número de orden entre un elemento y otro hemos calculado 20 = 2: 5. Como no resulta exacto, podríamos elegir un 8 número cada dos elementos o un número cada seleccionado 3, elementos. Seleccionando un elemento para la muestra cada tres elementos de la población y comenzando por 35 se ha obtenido la siguiente muestra sistemática:f35; 1; 7; 13; 19; 25; 31; 37g : La estimación de la media con esta muestra es: xsist = 35+1+7+13+19+25+31+37 = 21 8
  • 8. 8 TEMA 1. EJERCICIOS RESUELTOS DE MUESTREO
  • 9. Tema 2 Ejercicios resueltos de Estimación Ejercicio 6 Consideremos la variable aleatoria cuya función de densidad 1 es f (x; ) = 1 e x para x 0 y > 0: Supongamos que disponemos de dos estimadores posible de ; basados en muestras aleatorias simples de tres elementos: x1 +x2 +x3 ; 2 = x1 +x2 +x3 : 1 = 2 4 Se pide: 1. Deducir si estos estimadores son insesgados y, si procede calcular su sesgo. 2. Deducir cuál de estos estimadores es más e…ciente. 3. Seleccionar cuál de ellos es mejor estimador. 4. Calcular el error cuadrático medio de ambos estimadores. 5. Si consideramos muestra de n elementos y los estimadores de x1 +x2 + +xn ; n 1 1 = tentes? 2 = x1 +x2 + +xn : n+1 ¿ Son estos estimadores consis- 1. E( 1 ) = E x1 +x2 +x3 = 1 [E(x1 ) + E(x2 ) + E(x3 )] = 3 E(x) = 2 2 2 que la variable x es exponencial E( 2 ) = E x1 +x2 +x3 4 = El sesgo del primero es El sesgo del segundo es 1 4 [E(x1 ) + E(x2 ) + E(x3 )] = 3 E(x) = 4 3 2 3 4 = = : 3 2 ; ya 3 4 1 2 1 4 Ninguno de los estimadores es insesgado, y el segundo es, en este aspecto, mejor que el primero, porque tiene menos sesgo. 9
  • 10. 10 TEMA 2. EJERCICIOS RESUELTOS DE ESTIMACIÓN 2. V ar( 1 ) = V ar x1 +x2 +x3 = 1 V ar (x1 + x2 + x3 ) = 2 4 ya que la varianza de la x es 2 : V ar( 2 ) = V ar 3 2 16 : x1 +x2 +x3 4 = 1 16 V 3 4V ar (x1 + x2 + x3 ) = 3 2 4 ar(x) = 3 16 V ar(x) = El segundo estimador tiene menor varianza, así que es más e…ciente que el primero. 3. Considerando estos dos aspectos es mejor el segundo, ya que además de tener menos sesgo, tiene menos dispersión. 4. ECM ( 1 ) = V ar( 1 ) + sesgo2 ( 1 ) = ECM ( 2 ) = V ar( 2 ) + sesgo2 ( 2 ) = 3 2 1 +4 2= 2 4 1 3 2 + 16 2 = 1 2 16 4 5. Tiene que cumplirse: limn!1 E(T ) = 2 limn!1 E( 1 ) = E x1 +xn+1 +xn n limn!1 n 1 E(x) = : Veamos si 1 y limn!1 Var(T ) = 0 = limn!1 1 n 1 [E(x1 ) + E(x2 ) + + E(xn )] = cumple también la segunda propiedad: limn!1 Var( 1 ) = limn!1 Var limn!1 (n n1)2 2 =0 2 x1 +x2 + +xn n 1 = limn!1 1 nV (n 1)2 ar(x) = = 0: Así que 1 es un estimador consistente de . Por un razonamiento parecido puede comprobarse que también 2 es un estimador consistente de : Ejercicio 7 Dada una distribución binomial B(n,p) y sus muestras de tres elementos fx1 ; x2 ; x3 g, comprobar que el estimador de p conseguido por el método de los momentos igualando la media muestral y la media poblacional es al mismo tiempo un estimador de máxima verosimilitud para p. Calculamos la expresión del estimador. La media poblacional es, en el caso de la binomial np la media muestral de las muestras de tres elementos es: : Igualando ambas expresiones obtenemos: np = x = x1 +x2 +x3 : Despejando p; se obtiene p = n : b x 2 Hallamos ahora el estimador de máxima verosimilitud para p: La función de verosimilitud, sería ahora el producto de las probabilidades correspondientes a los valores de la muestra: Como la función de probabilidad de la binomial es, llamando x a la variable, P (X = b) = n pb (1 p)n b ; entonces la función de verosimilitud sería: b h ih ih n x1 x1 p (1 p)3n (x1 +x2 +x3 ) V (x1 ; x2 ; x3 ; p) = px1 +x2 +x3 (1 p)n x1 n x2 px2 (1 p)n x2 n x3 px3 (1 p)n x3 i =
  • 11. 11 ln [V (x1 ; x2 ; x3 ; p)] = ln p) h n x1 n x2 n x3 i +(x1 +x2 +x3 ) ln p+[3n (x1 + x2 + x3 )] ln(1 Hallando ahora la derivada con respecto a p e igualando a 0 obtenemos 1 (x1 + x2 + x3 ) p [3n (x1 + x2 + x3 )] 1 1p = 0; Ejercicio 8 x1 +x2 +x3 p = 3n (x1 +x2 +x3 ) ; 1 p x Despejando p obtenemos p = x1 +x2 +x3 = n : Por lo tanto el estimador que b 3n se había obtenido por el método de los momentos es también el de máxima verosimilitud. Conviene sustituir este valor de p en la derivada segunda para asegurarse que es un máximo y no un mínimo (La derivada segunda ha de ser negativa). Como el intervalo de de…nición de p es cerrado se debe hallar la verosimilitud en los extremos de p que son 0 y 1. Pero se puede observar fácilmente que V (x1 ; x2 ; x3 ; 0) = 0 y V (x1 ; x2 ; x3 ; 1) = 0: Ejercicio 9 La siguiente tabla es la tabla de frecuencias de la edad en meses en la que empezaron a andar una m. a. s. de 240 niños. Edad frecuencia 9 13 10 35 11 44 12 69 13 36 14 24 15 7 16 3 17 2 18 5 19 1 20 1 1. Construir una Diagrama de Barras para la variable edad. A la vista de esta grá…ca decida si la variable edad parece ser normal y si el promedio de la muestra se distribuirá como una normal. 2. Calcular la media, el error estándar y un intervalo de con…anza para la edad media en que estos niños han comenzado a andar. 3. Si se desea que el margen de error sea de sólo de 0.5 meses, ¿ Cuántos niños debería contener la muestra manteniendo el mismo nivel de con…anza 1. El Diagrama de barras presenta este aspecto:La distribución de la edad no parece normal, pues no parece que la grá…ca sea simétrica. No obstante, el promedio de edad, según el teorema central del límite se aproximará a una normal, ya que el tamaño de la muestra es amplio (n = 240 >> 30): 2. La media es: 1 P x = N N ni xi = n=1 1 240 (13 9 + 35 El error estándar de la muestra es expresión: 10 + s pc ; n + 20 1) = 12:08 meses Para calcular sc usamos la
  • 12. 12 TEMA 2. EJERCICIOS RESUELTOS DE ESTIMACIÓN 80 70 60 50 40 30 20 10 0 19 17 15 11 13 frecuencias 9 frecuencias Diagrama de barras para edad edad s2 = c 240 239 N 2 N 1S = 1 240 (13 N N 1 1 N 2 n=1 ni xi x2 = 102 + + 1 202 ) 12:082 = 3:71 p p s Error estándar = pc = 3:71= 240 = 0:124 33. Este valor es una n estimación de la deviación típica del promedio de edad para muestras con 240 elementos. = 92 + 35 PN Para calcular el intervalo de con…anza hay que considerar que la varianza es desconocida. Por tanto el intervalo de con…anza sería: s s (x tn 1;1 2 pc ; x+tn 1;1 2 pc ): No obstante como la muestra es muy n n grande puede sustituirse la t de Student por la normal estándar. Así que este intervalo se obtendría: s s (x z1 2 pc ; x + z1 2 pc ) = (12:08 n n 0:124 33) = (11: 836; 12: 324) 3. El error de precisión es z1 Asi que queremos que z1 p 3:71 p n 2 2 s pc n 1:96 0:124 33; 12:08 + 1:96 s pc n < 0:5 1:96 0:5: Despejando n debería contener al menos 58 niños. 57: 009: Por lo tanto la muestra
  • 13. 13 Ejercicio 10 Calcular estimadores de máxima verosimilitud para los parámetros y de una distribución normal, suponiendo que ambos parámetros son desconocidos. Considerar muestras de muestras con 3 elementos 1 2 x 1 En este caso la función de densidad es: p2 e 2 ( de verosimilitud será: L (x1 ; x2 ; ::::xn ; ) = f (x1 ; ) f (x2 ; ) :::f (xn ; ) = x1 2 3 ln 1 1 p 2 1 2 x2 1 ) , así que la función 2 x3 1 1 1 p e 2 p e 2 = p2 e 2 2 2 El logaritmo neperiano de esta función de verosimilitud es: 1 2 x1 2 x2 1 2 2 1 2 x3 2 Considerando las derivadas parciales con relación a y a e igualando ambas a 0, se obtiene el sistema. La derivada con respecto a igualada a 0 es: 2 1 2 x2 1 2 x3 1 0 2 x1 =0 2 2 x1 x2 x3 1 1 1 3 (x1 ) (x2 ) (x3 2 2 1 ) =0 2 Despejando de la primera ecuación , obtenemos su estimación máximoverosímil: ^= x1 +x2 +x3 3 =x Sustituyendo esta expresión en la segunda ecuación del sistema obtenemos, trás multiplicar por : 3 + (x1 x)2 12 + (x2 x)2 12 + (x3 x)2 12 = 0: despejando se obtiene: c = (x1 2 x)2 + (x2 x)2 + (x2 x)2 3 Así que la varianza muestral es estimador de máxima verosimilitud de 2 ; que es una propiedad deseable para un estimador, teniendo sin embargo el inconveniente de no ser un estimador insesgado: El estimador de máxima verosimilitud para es la desviación típica de la muestra. r (x1 x)2 + (x2 x)2 + (x2 x)2 b= 3 Ejercicio 11 Sea una variable aleatoria cuya función densidad viene dada por f (x) = ax2 ; 0 x ::Se pide: 1. Calcular el valor de a en función de :
  • 14. 14 TEMA 2. EJERCICIOS RESUELTOS DE ESTIMACIÓN 2. Se ha extraido una muestra de 4 elementos de esta distribución, f2; 3; 3:5; 4g : Se pide calcular una estimación de máxima verosimilitud para el parámetro 3. Usando la media anterior hallar una estimación para de los momentos. por el método 4. Considerando muestras de n elementos calcula un estimador de por el método de los momentos calcula su media, su varianza, su sesgo, y su consistencia. 5. Una muestra de 60 elementos de esta distribución tiene una media de 24. Estima el valor de y calcula un intervalo de con…anza al 90% (aproximadamente) para la media poblacional. 1. R 0 ax2 dx = 1 a 3 3 = 1; a= 3 3 2. La función de veromilitud para la muestra es: 5 4 V (2; 3; 3:5; 4; ) = 33 22 33 32 33 3:52 33 42 = 5: 715 12 10 :y 0 x : Esta última función nos indica que ha de ser mayoro igual que los valores de la muestra. Esta función es decreciente en el intervalo [0; ] ; y no está de…nida para = 0; por lo que no tiene máximos relativos en este intervalo. Si hacemos su derivada observaremos que no puede anularse. Así que habrá que usar otros recursos. Es obvio que mientras más pequeño sea mayor será la función de verosimilitud,. pero además debe ser mayor o igual que todos los valores de la muestra, el mejor valor es el mayor valor de la muestra, y por tanto damos a el valor 4, siendo este valor su estimación de máxima verosimilitud. 3. Igualamos la media muestral y la media poblacional. x = 2+3+3:5+4 = 4 3: 125: R 3 La media poblacional es: = E(x) = 0 x 33 x2 dx = 4 : Igualando ambas medias 3:125 = 4. 3 4 3 4 ; = 4: 166 7: 4 = x; b = 3 x; 4 4 4 E(b) = E( 4 x) = 3 E( x1 +x2 + +xn ) = 3n nE(x) = 3n n 3 n que es un estimador insesgado. V ar(b) = V ar x1 +x2 + +xn = 12 nV ar(x) = V ar(x) : n V ar(b) = 2 3 80n = ; asi 3 2 : 80 Por tanto n n Calculamos ahora la varianza de x: R 2 3 V ar(x) = 0 x2 33 x2 dx = 4 3 4 3 2 5 3 4 2 =
  • 15. 15 Como el estimador es insesgado y el límite de la varianza es 0 para n ! 1; :el estimador es consistente. b = 4 x = 4 24 = 32: 3 3 5. Como la muestra es amplia podemos suponer que la media se distribuye aproximadamente como una normal y que su intervalo de con…anza puede aproximarse con la expresión: (X S pc tn n 1;1 =2 ; Sc X + p tn n 1;1 =2 ) (2.1) Como no se conoce Sc ; que es la cuasivarianza de la muestra, el único recurso disponible es estimar su valor por medio de la expresión: q p 3 3 b 0:037 5 = 0:193 65 = 0:193 65 V ar(x) = 80 2 ; Sc = 80 2 = 32 = 6: 196 8: El valor de = 1 0:90; y t59;0:95 = TInv(0:95; 59) = 1: 671 1; así que el intervalo de con…anza resultará: 6:1968 6:1968 6:1968 p p (24 t59;0:95 ; 24 + p t59;0:95 ) = (24 1:6711; 24 + 60 60 60 6:1968 p 1:6711) = 60 (24 1: 336 9; 24 + 1: 336 9) = (22: 663; 25: 337):