Вы находитесь на странице: 1из 11

Problema 1.

Parte i.
Solución

Existe un paso previo para poder desarrollar la función de distribución dada y obtener lo
pedido, mediante una homologación con la función de distribución poisson:

Tenemos y
Reemplazando por tenemos la función de distribución Poisson :

De esta manera tenemos:

Despejando k obtenemos :

Para poder obtener esperanza y varianza utilizaremos la definición de esperanza


aplicada a la función Poisson:

Si definimos ahora en esta suma, obtendremos :

Sumatoria que será igual a 1 debido a la definición de función de distribución de


probabilidad.

Por tanto, E(x) = .

La varianza de la distribución se puede determinar mediante una técnica análoga a la


anterior:
Si se define , resulta que :

Debido a que , de la ecuación anterior resulta


que

De tal manera que por definición de Varianza podemos concluir :

Ahora para obtener el emésimo momento desarrollamos la función generatriz de momentos:

A partir de la cual encontraremos los distintos momentos y buscaremos una regularidad:

+6

Podemos armar un esquema similar al triángulo de pascal con los distintos momentos:

+6
Podemos observar que ordenando el polinomio desde el exponente superior al inferior es
necesario luego obtener los escalares que acompañan cada término, proceso que se puede
llevar a cabo mediante una operación aritmética que involucra los exponentes y escalares de la
siguiente forma , podemos replicar esto para los momentos 2 y 3:

Donde = corresponde al índice de ; es el exponente del término de la serie anterior y


b1 es el exponente del término inmediatamente siguiente.

Parte ii.

Solución.

a) Para obtener la función generatriz de momentos tenemos lo siguiente :

Para poder integrar se hace necesario crear un cambio de variables y acomodar de


manera de que podamos simplificar el cálculo favorablemente:

Por lo tanto tenemos que ; entonces

Reemplazando en la ecuación:
Sacando fuera de la integral aquello que no depende de y:

Pero por lo tanto, reemplazamos y simplificamos:

Llegamos a que es la función generadora de momentos.

b) Esperanza :

Derivando respecto a t y evaluando en t = 0:

La esperanza de la función de distribución gamma será

c) Varianza : Sabemos que por tanto buscaremos el


primer y segundo momento de la función.

Derivando respecto a t:
Ahora evaluando la ecuación con t=0 tenemos:

De esta forma estamos en condiciones de obtener la varianza:

Luego la varianza de la función de distribución gamma será

Parte iii

El publicista tiene que tomar una decisión, tiene la opción de mandar un correo con la
subscripción a la revista con un sorteo adjunto, o mandarla sin sorteo adjunto.
Supondremos que la probabilidad de que las personas se inscriban a la revista será
mayor cuando la inscripción vaya acompañada del sorteo. Y sabemos también que
realizar dicho sorteo tiene costos de publicidad y costos por los premios que se
repartirán. Definiremos las siguientes probabilidades, valores y costos:

Datos Si no se hace Sorteo:

Datos Si se hace el Sorteo:

Podemos ver que no hay valores fijos, solo incógnitas, por lo tanto el ejercicio será
relativo dependiendo de los valores que tomen estas expresiones.

A) Para sacar la Utilidad que podría brindar cada opción, debemos analizar los ingresos
y Costos respectivos. Para eso construiremos las funciones de Utilidad Respectivas.

Si no se hace Sorteo:

Si se hace el Sorteo:
El ingreso para el caso en que no se hace sorteo será el producto entre la cantidad de
personas a la que se le mandará la subscripción y la probabilidad de que se inscriban.
Con esto obtendremos el número aproximado de inscripciones, luego lo multiplicamos
por π (el retorno por cada inscripción) y así obtendremos la cantidad de ingresos totales
esperados para la primera opción. A esto debemos restarle los costos respectivos que
serán el costo por envío de cada inscripción por la cantidad de inscripciones mandadas
(N).

Análogamente, si se hace el sorteo, hacemos el producto entre la cantidad de personas a


la que se le enviará la subscripción, la probabilidad de subscripción respectiva y el
retorno π. Para así obtener la cantidad de ingresos totales esperados, luego restamos los
costos , que sería el producto entre la cantidad de personas a la que se le envío la
inscripción y cupón de sorteo y el costo de envío de dichas inscripciones y cupones
(N*β), además debemos restar a la utilidad el costo de publicidad y premios para el
sorteo (S).

B)

Podemos ver entonces, que tenemos valores constantes como π (el valor del retorno por
inscripción) y N (la cantidad de personas que recibirán la inscripción), por lo tanto,
dichos valores no deberían influir en la decisión final. Por lo que debemos analizar los
valores que son diferentes (o en algún caso en particular pueden ser iguales). Tomamos
entonces nuestras ecuaciones y construimos una relación, primero haremos una igualdad
para considerar el caso de la indiferencia.

Dividimos por N

De esta ecuación podemos derivar sencillamente la regla de decisión. La ecuación


representa el caso en que es indiferente. Al lado derecho nos dará la diferencia de
ingresos que generará realizar el sorteo v/s no realizarlo. Y al lado izquierdo tendremos
la diferencia de costos entre realizar el sorteo y no realizarlo. Entonces en el caso en que
se cumpla la igualdad, el ingreso extra que genera el sorteo es anulado por los costos
extra de realizarlo. Lo cual se puede cumplir para distintos valores de las probabilidades
y costos. Entonces definiremos la regla de decisión de la siguiente forma.
Si los ingresos que generará realizar el sorteo son mayores a los costos, entonces se
realizará el sorteo. y si:

Los costos serán mayores, por lo tanto no se realizará el sorteo.

Problema 2.
Parte i.

Parte ii

/reemplazando M(Z)=

/Prop.
Cov(aX,bY)=abCov(X,Y)
/ prop.
Distribucion de la cov.

/cov(a,X)=0

/ Prop. Cov(aX,bY)=abCov(X,Y)

/ Prop. Cov(aX,bY)=abCov(X,Y)

/Prop. Sumatoria por una constante

Parte iii.

Sabemos que:

Y debemos demostrar:

Entonces partiremos desarrollando el lado derecho de la ecuación. Desarrollamos


primero.
Reemplazamos en el lado derecho inicial y obtenemos:

Lo cual nos resulta la siguiente expresión.

Ahora desarrollaremos el lado izquierdo:

Luego remplazamos los valores de Z y de R y desarrollamos.

Luego , por propiedades de la varianza, podemos eliminar las constantes, como y


también la sumatoria de , ya que es una suma de variables no estocásticas( no son
variables aleatorias) por lo tanto son constantes y las podemos eliminar. La expresión
queda simplificada como:

Luego por propiedades de la varianza, usamos la fórmula que incorpora la covarianza.


Y obtenemos.

Ahora sacamos las constantes de las varianzas, salen al cuadrado por propiedades de la
varianza.

Ahora desarrollamos por propiedades de la covarianza:


Ahora aplicaremos un paso complejo que explicaremos al final si nos alcanza espacio.
También remplazamos por

Ahora trabajaremos la covarianza usando la siguiente propiedad.

Cov(a*A+b*B;c*C+d*D) = a*c*Cov(A;C)+a*d*Cov(A;D)+bc*Cov(B;C)+bd*Cov(B;D)

Y obtenemos la siguiente expresión.

La es equivalente a la =

Reemplazamos y obtenemos finalmente la expresión que obtuvimos al principio


desarrollando el lado derecho de la ecuación.

Si las comparamos, son equivalentes , por lo tanto, queda demostrada la igualdad. Donde los
reacuadros destacados son iguales.
Bibliografía

 Control 3 Otoño 2008, Estadística I.

 Canavos, George. Probabilidad y Estadística: aplicaciones y métodos.

 Degroot, Morris. Probabilidad y Estadística.

 Tapia, Pablo. Apunte 4 y 5 de estadística.

 Freund, John E. stadística matemática con aplicaciones.

 piegel, urray . eoría y problemas de probabilidad y estadística

Вам также может понравиться