ESTADISTICA II

Autor: Pablo Tapia

Estimacin de Parmetros Poblacionales

Corrector: Luis Araya

Universidad de Chile
Economa & Negocios

GUIA No. 1 DE EJERCICIOS RESUELTOS

APLICACIONES DEL TEOREMA DE BAYES
Profesor: Pablo Tapia

PROBLEMA 1. Un analista de bolsa examina las perspectivas de las acciones de un gran nmero de compaas. Cuando se investig el comportamiento de estas acciones un ao antes, se descubri que un 25% experiment un crecimiento superior al de la media, otro 25% fue inferior y el 50% restante se mantuvo alrededor de la media. El 40% de los valores que crecieron por encima de la media fueron clasificados como buenas adquisiciones por el analista, al igual que el 20% de las que crecieron alrededor de la media y el 10% de las que tuvieron un crecimiento inferior. Parte i.- Cul es la probabilidad de que un valor clasificado como buena adquisicin por el analista crezca por encima de la media del mercado? Parte ii.- Cul es la probabilidad de que un valor clasificado como buena adquisicin por el analista se mantenga constante con respecto a la media de mercado? Parte iii.- Cul es la probabilidad de que una accin sea clasificada por el analista como buena adquisicin? Respuesta Ser necesario definir algunos trminos para comprender mejor el proceso algebraico requerido, entonces: A1 : Acciones que tuvieron alzas favorables en su valor burstil A2 : Acciones que se mantuvieron constante su valor burstil A3 : Acciones que tuvieron disminucin en su valor burstil. Adems es posible establecer que: B : La accin se considera buena adquisicin Entonces, segn lo sealado en el enunciado se puede establecer las siguientes probabilidades: Pr( A1 ) = 0,25 ; Pr( A2 ) = 0,5 ; Pr( A3 ) = 0,25 y como Probabilidades condicionadas tenemos que: Pr( B / A1 ) = 0,4 ; Pr( B / A2 ) = 0,2 ; Pr( B / A3 ) = 0,1 Por lo tanto, las respuestas a nuestros problemas son: Parte i.Pr( A1 / B) = Pr( B / A1 ) Pr( A1 ) Pr( B / A1 ) Pr( A1 ) + Pr( B / A2 ) Pr( A2 ) + Pr( B / A3 ) Pr( A3 ) 0,4 0,25 Pr( A1 / B) = = 0,44 0,4 0,25 + 0,2 0,5 + 0,1 0,25 Pr( B / A2 ) Pr( A2 ) Pr( B / A1 ) Pr( A1 ) + Pr( B / A2 ) Pr( A2 ) + Pr( B / A3 ) Pr( A3 )
Pagina 1

Parte ii.Pr( A2 / B) =

ESTADISTICA II
Autor: Pablo Tapia

Estimacin de Parmetros Poblacionales

Corrector: Luis Araya 0,2 0,5 = 0,44 0,4 0,25 + 0,2 0,5 + 0,1 0,25

Pr( A2 / B) =

Parte iii.Para resolver este problema podemos utilizar el concepto de sigma lgebra, por lo tanto, la probabilidad para el conjunto B, se puede denotar a travs de la interseccin entre subconjuntos y luego aplicamos el teorema de Bayes para probabilidades condicionadas, tal como:
Pr( B) = Pr( B A1 ) + Pr( B A2 ) + Pr( B A3 ) Pr( B) = Pr( B / A1 ) Pr( A1 ) + Pr( B / A2 ) Pr( A2 ) + Pr( B / A3 ) Pr( A3 ) Pr( B) = 0,4 0,25 + 0,2 0,5 + 0,1 0,25 = 0,225

PROBLEMA 2. Suponga que la distribucin inicial de un parmetro es una distribucin gamma cuya media es 10, y la varianza es 5. Determinar la funcin de distribucin inicial de . Respuesta Se tiene que la funcin de distribucin inicial gamma corresponde a:
( ) = 1 e ( )
E ( ) = 1 ; var( ) = 2

por lo tanto, para los valores descritos en el enunciado tenemos:

E ( ) = 1 = 10; var( ) = 2 = 5 = 20; = 2

por lo tanto, la funcin de distribucin inicial solicitada es:

( ) =
2 20 19 2 e (20)

Observacin: Es importante sealar que la funcin gamma evaluada en un nmero entero, es siempre igual al factorial del nmero entero por el cual se est evaluando, por lo tanto, la expresin anterior se puede escribir como:
( ) =
2 20 19 2 e 20 !

PROBLEMA 3. Suponga que {x i }T=1 constituye una muestra aleatoria de una distribucin cuya funcin de i distribucin f ( x / ) es la siguiente.
x 1 f (x / ) = 0 para 0 < x < 1 en otro caso

Suponga adems que el valor del parmetro es desconocido ( > 0) y que la distribucin inicial de es una distribucin gamma con parmetros y ( > 0 y > 0) . Determinar la media y la varianza de la distribucin final de .

Pagina 2

ESTADISTICA II
Autor: Pablo Tapia

Estimacin de Parmetros Poblacionales

Corrector: Luis Araya

Respuesta Se tiene que

1 x f ( xi / ) = i 0

para 0 < x i < 1 en otro caso

por lo tanto, la funcin de distribucin conjunta es:

T [ xi 1 ] f ( x / ) = i =1 0 para 0 < xi < 1 i = 1,..., n en otro caso

adems, la funcin de distribucin inicial es:

( ) = 1 e ( )

dado que se indica > 0 .

T 1 1 f ( x / ) ( ) ( i =1 xi ) ( ) e ( / x ) = = g (x) g ( x)

Donde g ( x ) representa la probabilidad marginal de la muestra, y si consideramos los elementos constantes, la funcin anterior la podemos representar como:
( / x ) = ( T T=1 xi 1 ) 1e t

Ahora si utilizamos las propiedades de los exponentes, a z b z = (ab) z , podemos reescribir esta ecuacin como:
( / x ) = T ( T=1 xt ) i

Por otra parte, sabemos que se cumple que, ( xy) = eln( xy ) = eln( x ) + ln( y ) , que al aplicarlo en la citatoria anterior la ecuacin se reescribe como
( / x ) = T e ln i =1 xi
T

T = T e i =1 ln xi

por lo tanto,
( / x ) = k +T 1e ( i =1 ln xi )
T

Entonces la funcin de distribucin final es una gamma con F = + T y F = T=1 ln xi i entonces la media y varianza de esta distribucin son:
E ( / x ) =

F +T = F T=1 ln xi i

var( / x ) =

F +T = 2 F ( T ln x )2 i =1 i

PROBLEMA 4. Suponga que se desconoce la proporcin de artculos defectuosos de un gran cargamento. Sin embargo, se ha observado que hay 2 artculos defectuosos de 20 artculos seleccionados al azar. Determine la funcin de distribucin inicial de , si se sabe que la funcin de distribucin final 4 es una funcin de distribucin Beta con media 32 y varianza (3211233) . )2 ( Respuesta En este caso tenemos un conjunto de 20 artculos que corresponden a variables Bernoulli independientes e identicamente distribuidas (con probabilidad , desconocida, de ser defectuosa), entonces la funcin de distribucin de verosimilitud corresponde a:

Pagina 3

ESTADISTICA II
Autor: Pablo Tapia

Estimacin de Parmetros Poblacionales

Corrector: Luis Araya

f ( x / , T ) = fT ( y = T=1 xi / ) = fT ( y / ) = ( T ) y (1 )T y i y

Ahora, dado que la variable aleatoria de la muestra es Binomial, entonces lo ms adecuado es suponer que la funcin de distribucin es una Beta, es decir:
( ) =
( + ) 1 (1 ) 1 ( ) ( )

Donde los parmetros de esta funcin inicial son desconocidos, y nuestro problema consiste en determinar su valor y as construir la funcin de distribucin inicial. Sin embargo, la funcin de distribucin final debe tener la forma de:
( / x ) = ( / y ) = fT ( y / ) ( ) = ( T ) y (1 )T y y

( / x ) = f T ( x / ) ( )

( + ) ( ) ( )

1 (1 ) 1

( / y ) = y + 1 (1 )T y + 1

al ver esta estructura podemos apreciar que la funcin de distribucin final tiene la composicin de una funcin Beta, por ende, los parmetros finales de esta funcin son:
F = y + F = T y + F
=
4 28

Adems se cuenta con los valores de la media y varianza de la distribucin final, tal que:
E ( / x ) =

F + F

F = 4 F = 28

Para verificar este resultado se recomienda comprobarlos en la varianza, sin embargo, con ellos podemos determinar los iniciales, ya que.
i = F y = 4 2 = 2 i = F T + y = 28 20 + 2 = 10
( ) =
(12 ) 1 (1 ) 9 ( 2 ) (10 )

Por lo tanto, la funcin de distribucin solicitada debe ser:

PROBLEMA 5. Se sabe que la fraccin de piezas defectuosas en la produccin de un mes es 0,1 0,2 y que la f.p. inicial de es la siguiente: ( = 0,1) = 0,7; ( = 0,2) = 0,3 . Adems, se seleccionaron aleatoriamente ocho piezas del lote y se encontr que exactamente dos de ellas son defectuosas. Determine la funcin de distribucin final del parmetro poblacional desconocida. Respuesta Para empezar a desarrollar el ejercicio se debe establecer las variables y los parmetros en el problema, en este caso se tiene el control de piezas defectuosas, por lo tanto, definiremos a X como las piezas defectuosas, implica que:
Pr( X = 1 defectuosa) = p Pr( X = 0 buena) = 1 p

Como no conocemos el orden en que aparecieron las piezas defectuosas, entonces la funcin de distribucin a utilizar es una Binomial. Entonces en este caso la funcin de distribucin debe ser para la muestra completa, por lo tanto, tenemos una funcin conjunta de la muestra igual a
T T T f ( x1 ,..., xT / p ) = T p i=1 xi (1 p )T i=1 xi . i =1 xi

Por otro lado, se tienen ocho observaciones tomadas en forma independiente, por lo tanto, la probabilidad para que este conjunto de observaciones corresponde a:

{ x1 , x2 ,..., x8 }

y = 8=1 xi i

f ( y / ) = ( T ) y (1 )8 y y

Pagina 4

ESTADISTICA II
Autor: Pablo Tapia

Estimacin de Parmetros Poblacionales

Corrector: Luis Araya

Y debemos recordar que si la funcin de distribucin inicial tiene comportamiento discreto, entonces la funcin de distribucin final tambin debe tener comportamiento discreto, entonces: ( / x ) = f T ( x / ) ( ) , donde al realizarla composicin entre la funcin de distribucin inicial y final, nos queda:
( / y ) = fT ( y / ) ( ) = ( T ) y (1 )T y y
( + ) ( ) ( )

1 (1 ) 1

( / y ) = y + 1 (1 ) T y + 1 ,

sin embargo, en nuestro caso se tienen 2 piezas defectuosas encontradas en estas 8 observaciones, por lo tanto, la funcin de distribucin final queda como:
( / y = 2) = f T ( y = 2 / ) ( )

Entonces, para cada valor del parmetro poblacional, se tiene:

( = 0,1 / y = 2) = f T ( y = 2 / = 0,1) ( = 0,1) ( = 0,2 / y = 2) = f T ( y = 2 / = 0,2) ( = 0,2)

( = 0,1 / y = 2) + ( = 0,2 / y = 2) = 1

Adems, se debe cumplir que:

Ahora si reemplazamos los valores se tiene:

( = 0,1 / y = 2) = 0,12 (1 0,1) 8 2 0,7 = 0,0037 ( = 0,2 / y = 2) = 0,2 2 (1 0,2) 8 2 0,3 = 0,0032 0,0037 + 0,0032 = 1 = 144,93

Por lo tanto, el resultado de la distribucin final es:

( = 0,1 / y = 2) = 0,0037 = 0,5362 ( = 0,2 / y = 2) = 1 ( = 0,1 / y = 2) = 1 0,5362 = 0,4638

PROBLEMA 6. MIDEPLAN le encarga hacer un estudio acerca de la tasa de participacin laboral femenina. En particular se le solicita que determine la f.d.p. inicial de la probabilidad de que una mujer trabaje. Para estos efectos, se sabe que la mujer respecto a esta decisin se enfrentar a dos escenarios, trabajar o no hacerlo, por lo tanto, la probabilidad de que una mujer ingrese a la fuerza laboral se distribuye como una Bernoulli de parmetro , desconocido. Por otra parte, el ao pasado se encarg el estudio a una consultora extranjera la que determin que la probabilidad de que la mujer trabaje se distribuye como una Beta con media c1 = 0,25 y desviacin estndar c 2 = 0,01 . Respuesta Se hace necesario definir el parmetro de la variable aleatoria.
Pr( X i = 1 mujer i trabaja) = Pr( X i = 0 mujer i no trabaja) = 1

La distribucin inicial Beta es:

( p) =

( + ) 1 (1 ) 1 ( )( )
var( ) =

( + )2 ( + +1)

Para la cual la media y varianza de corresponde a:

E ( ) = +

( + ) 2 ( + +1)

Por condicin de enunciado sabemos que:

E ( ) =
+

= c1 = 0, 25

var( ) =

= (c2 ) 2 = (0, 01) 2 = 0, 0001

Pagina 5

ESTADISTICA II
Autor: Pablo Tapia

Estimacin de Parmetros Poblacionales

Corrector: Luis Araya

Entonces al reemplazar se tiene que:

+ = c1 1

2 c1 1 (1 c1 )c1 2 = = c2 + c1 2 c1 2 c1 1 + 1

2 = (1 c1 )c1 c 2 2

c1 = 468,5

= ((1 c1 )c1 1 ) = 1.405,5

Entonces la funcin de distribucin inicial utilizada corresponde a:

( ) =
(1874) 467,5 (1 )1.404,5 (468,5)(1405,5)

PROBLEMA 7. Suponga que posee una muestra independiente de nT artculos que pueden estar defectuosos o no (dicotmico), sin embargo, en la muestra slo se encontraron T piezas defectuosas. Parte i. Encuentre la funcin de distribucin final del parmetro de esta poblacin (fraccin de piezas defectuosas), si se sabe que en el pasado la fraccin de piezas defectuosas de esta poblacin sigui una distribucin Beta con parmetros iguales a = T y = 2T . Respuesta Del enunciado se puede obtener la funcin de distribucin inicial (pasado), tal que:
( ) =
(3T ) T 1 (1 ) 2T 1 (T )(2T )

En este caso se tiene una poblacin con distribucin binomial, dado que se desconoce el orden en que se encontraron las piezas defectuosas, por lo tanto, la funcin de verosimilitud en este caso debe ser:
nT xi nT nT xi f ( x1 , x 2 ,...xnT / ) = = T (1 )T ( n1) T x (1 ) i

Por lo tanto, la funcin de distribucin final deber ser una Beta, tal como se ilustra a continuacin:
( / x ) =
f ( x1 , x2 ,...xnT / ) ( ) g ( x)

Donde g ( x ) representa la probabilidad marginal de la muestra

( / x ) =
nT T (1 )T ( n 1) (3T ) T 1 (1 ) 2T 1 g ( x) (T )(2T ) T

( / x ) = T (1 ) T ( n 1) T 1 (1 ) 2T 1

Ordenando un poco la funcin se tiene que:

( / x ) = 2T 1 (1 ) T ( n +1) 1

Entonces, los parmetros para esta funcin son: F = 2T y F = T (n + 1) Por lo tanto, la funcin debe ser:
( / x ) =
(T (n + 3)) 2T 1 (1 ) T ( n +1) 1 ( 2T )(T (n + 1))

Parte ii. Cul ser la mejor estimacin para este parmetro y su volatilidad? Respuesta Dado que la funcin de distribucin final es una Beta con parmetros F = 2T y F = T (n + 1) , entonces, la esperanza condicional en este caso es:
Pagina 6

ESTADISTICA II
Autor: Pablo Tapia
F +F

Estimacin de Parmetros Poblacionales

Corrector: Luis Araya

E ( / x ) =

2T 2T +T ( n +1)

2 n +3

Y la varianza condicional es:

var( / x ) =
F F
( F + F ) 2 ( F + F +1)

2 ( n +1) ( n + 3) 2 [T ( n +3) +1]

Parte iii. Qu pasar con su estimacin si T tiende a infinito? Respuesta Claramente se puede apreciar que la esperanza no depende de T , por lo tanto, si hacemos este trmino a infinito la esperanza converger al valor descrito. Por otro lado la varianza o volatilidad tiende a cero. PROBLEMA 8. Suponga que tiene una poblacin con distribucin igual a
f ( x / ) = e x con > 0

Donde el parmetro es desconocido. Y si la funcin de distribucin inicial del parmetro de esta poblacin es igual a:
( ) = e
con > 0

Determine la funcin de distribucin final del parmetro desconocido, si se tienen dos observaciones independientes. Respuesta La funcin de distribucin de verosimilitud es:
f ( x1 , x2 / ) = 2 e ( x1 + x2 )

( / x1 , x 2 ) = [ g ( x1 , x 2 )] 1 f ( x1 , x 2 / ) i ( ) = [ g ( x1 , x 2 )] 1 2 e ( x1 + x2 ) e

( / x1 , x 2 ) = 2 e ( x1 + x2 + )

Entonces, para determinar la constante, debemos integrar, ya que se trata de funciones continuas.

( / x1 , x 2 )d =
0

[ 2 e H ]d = 1 con H = x1 + x 2 +
0 0

Resolveremos utilizando integracin por parte:

2 H [ 2 e H ]d = e H
0 0

2 H

[e H ]d +
0

2 H [ 2 e H ]d = e H
0

2 H +

H e H 2 H

1 H +

[e H ]d

2 H [ 2 e H ]d = e H

H e H

e H H 0

Utilizando LHopital, en cada uno de los casos, por lo que se tiene que:

2
H

e H

= 0;

e H

= 0;

1 H
2

e H

1 H2

[ 2 e H ]d = 2 H 3 = 1 = 0.5 H 3 = 0.5( x1 + x 2 + ) 3

Entonces, la funcin de distribucin debe ser igual a:

( / x1 , x 2 ) = 1 ( x1 + x 2 + ) 3 [ 2 e ( x1 + x2 + ) ] 2

Pagina 7

ESTADISTICA II
Autor: Pablo Tapia

Estimacin de Parmetros Poblacionales

Corrector: Luis Araya

PROBLEMA 9. Supngase que se sabe que la proporcin de artculos en un gran lote manufacturado es p y 0.5 p , y de la funcin de distribucin inicial de que i ( = p) = q . Suponga tambin que cuando se seleccionan al azar T artculos del lote, se encuentra que exactamente 2 de ellos son defectuosos. Determine la distribucin final de este parmetro. Respuesta En este caso, como no se conoce el orden en que salieron las piezas defectuosas por ende la funcin de distribucin es binomial, es decir:
f ( x1 , x2 ,...xT / ) = ( T ) 2 (1 )T 2 = 0.5T (T 1) 2 (1 )T 2 2

Del enunciado se puede obtener la funcin de distribucin inicial es discreta, por lo tanto, debe cumplir con:
( = p) = q ( = 0.5 p) = 1 q

Por lo tanto, la funcin de distribucin final deber ser discreta, tal como se ilustra a continuacin:
( = p / x ) =
0.5T (T 1) p 2 (1 p ) T 2 q 0.5T (T 1) p 2 (1 p ) T 2 q + 0.5T (T 1)(0.5 p ) 2 (1 0.5 p ) T 2 (1 q ) (1 p ) T 2 q (1 p )
T 2

( = p / x ) =

q + 0.5 2 (1 0.5 p ) T 2 (1 q )

Entonces, para calcular la otra probabilidad, slo utilizaremos el complemento, ya que slo puede tener dos valores.
i ( = 0.5 p / x ) = 1 i ( = p / x ) =
0.5 2 (1 0.5 p ) T 2 (1 q) (1 p )
T 2

q + 0.5 2 (1 0.5 p ) T 2 (1 q)

PROBLEMA 10. Suponga que posee una muestra independiente de ( 2)T artculos que pueden estar defectuosos o no (dicotmico), sin embargo, en la muestra slo se encontraron 1 ( 8)T 8 piezas defectuosas (con 10 ). Parte i. Encuentre la funcin de distribucin final del parmetro de esta poblacin (fraccin de piezas defectuosas), si se sabe que en el pasado la fraccin de piezas defectuosas de esta poblacin sigui una distribucin Beta con parmetros iguales a = = T . Respuesta Del enunciado se puede obtener la funcin de distribucin inicial (pasado), tal que:
i ( ) =
(2T ) 2 (T )

T 1 (1 )T 1

En este caso se tiene una poblacin con distribucin binomial, dado que se desconoce el orden en que se encontraron las piezas defectuosas, por lo tanto, la funcin de verosimilitud en este caso debe ser:
( 2)T 1 ( 8)T ( 2 )T 1 ( 8)T 8 8 f ( x1 , x 2 ,...x( 2)T / ) = 1 (1 ) ( 8)T 8

Por lo tanto, la funcin de distribucin final deber ser una Beta, tal como se ilustra a continuacin:
Pagina 8

ESTADISTICA II
Autor: Pablo Tapia

Estimacin de Parmetros Poblacionales

Corrector: Luis Araya
f ( x1 , x2 ,...xnT / ) ( ) g ( x)
1

( / x ) =
1

( / x ) = 1

( 2)T 8 ( 8)T (1 )( 2)T 8 ( 8)T (2T ) T 1 (1 )T 1 g(x) 2 (T ) 8 ( 8)T

1

( / x ) = 8

( 8)T

(1 )

( 2)T 1 ( 8)T 8

T 1 (1 ) 2T 1

Ordenando un poco la funcin se tiene que:

( / x ) = (T / 8) 1 (1 ) (7T / 8) 1

Entonces, los parmetros para esta funcin son: F = T / 8 y F = 7T / 8 Por lo tanto, la funcin debe ser:
( / x ) =

(T ) (T / 8) 1 (1 ) (7T / 8) 1 (T / 8)(7T / 8)

Parte ii. Cul ser la mejor estimacin de Bayes para este parmetro y su volatilidad? Respuesta Dado que la funcin de distribucin final es una Beta con parmetros F = T / 8 y F = 7T / 8 , entonces, la esperanza condicional en este caso es:
E ( / x ) =
F

F +F

T / 8 T

1 8

Y la varianza condicional es:

var( / x ) =
F F
( F + F ) 2 ( F + F +1)

7 64[T +1]

Parte iii. Qu pasar con el estimador de Bayes calculado en la parte ii y su volatilidad si se aumenta infinitamente la muestra? Respuesta Claramente se puede apreciar que la esperanza condicional (estimador de Bayes) no depende de T , por lo tanto, si hacemos este trmino a infinito la esperanza converger al mismo valor descrito. Por otro lado la varianza o volatilidad tiende a cero. PROBLEMA 11. Parte i.- Supngase que se selecciona una muestra aleatoria de 20 observaciones de una distribucin normal con media desconocida y varianza igual a 1. Despus de haber observado los valores de la muestra se encuentra que xT = 10 y que la distribucin final de es una distribucin normal cuya media es 8 y varianza 1 25 .Cul fue la distribucin inicial de ? Respuesta Para resolver este problema se debe saber que se ha obtenido una distribucin final normal y la distribucin de la muestra es normal, entonces la distribucin inicial debi haber sido una distribucin tambin normal (demostracin vista en clases). Del mismo modo tenemos que: La media y varianza de la distribucin de la muestra son y 2 respectivamente, 2 La media y varianza de la distribucin inicial son 0 y v0 respectivamente y La media y varianza de la distribucin final son 1 y v12 respectivamente. Adems sabemos que se cumple la relacin entre estos valores como:
1 =
2 Tv 0 xT + 0 2 2 Tv 0 + 2 2 v1 = 2 2 v0 2 Tv 0 + 2

Pagina 9

ESTADISTICA II
Autor: Pablo Tapia

Estimacin de Parmetros Poblacionales

Corrector: Luis Araya

que al reemplazar se tiene:

8=
2 20 v 0 10 + 0 1 2 20 v 0 + 1

1 25

2 1 v0 2 20 v 0 + 1

2 v 0 = (1 / 5)

0 = 0

Parte ii.- Supngase que se va a seleccionar una muestra aleatoria de una distribucin normal con media desconocida y desviacin estndar igual a 2 y que la desviacin estndar de la distribucin inicial de es igual a 1. Cul debera ser el tamao de la muestra para reducir la desviacin estndar de la distribucin final de en un 90% con respecto a la definida en la distribucin inicial? Respuesta Para un manejo ms simplificado del clculo algebraico es recomendable tomar la distribucin inicial como una distribucin normal y, como la distribucin de la muestra es normal, entonces la distribucin final deber ser normal. Entonces, utilizando las mismas definiciones de la parte i, adems de la expresin para la varianza de la distribucin final, se tiene que: Tngase presente que se nos ha solicitado reducir en un 90% la desviacin estndar de la distribucin final con respecto a la inicial, por lo tanto, la desviacin estndar de la distribucin final deber ser igual a:
v1 = 0,1 v0
1 v1 = 10 2 1 v1 = 100

Que al reemplazar se tiene:

2 v1 = 1 100 = 4(T + 4) 1 2 Tv 0 + 2 T + 4 = 400 T = 396 2 2 v0

Entonces, para poder hacer la reduccin mencionada es necesario que el tamao de la muestra sea de por lo menos 396 observaciones.

Pagina 10

ESTADISTICA II
Autor: Pablo Tapia

Estimacin de Parmetros Poblacionales

Corrector: Luis Araya

PROBLEMAS PROPUESTOS. PROPUESTO 1. En una importante empresa manufacturera de Santiago de Chile, el 80% de los empleados son hombres y el 20% mujeres. Entre los hombres, el 10% cuentan con formacin Universitaria, el 30% con formacin tcnica y el 60% tienen slo formacin de enseanza media. Entre las mujeres, el 15% tiene formacin universitaria, el 25% formacin tcnica y el 60% restante cuentan slo con formacin escolar. Parte i. Cul es la probabilidad de que un empleado elegido al azar sea un hombre que cuenta nicamente con formacin escolar? Parte ii. Cul es la probabilidad de que un empleado elegido al azar tenga formacin universitaria? Parte iii. Cul es la probabilidad de que un empleado elegido al azar tenga formacin universitaria sea hombre? Parte iv. Cul es la probabilidad de que un empleado elegido al azar que no tenga formacin universitaria sea una mujer? PROPUESTO 2. Supngase que el nmero de defectos en una cinta magntica de grabacin tiene una media desconocida y que algunos valores probables son 1,0 1,5 y que la funcin de distribucin inicial de es la siguiente: ( = 1,0) = 0,4; ( = 1,5) = 0,6 . Si una cinta seleccionada al azar resulta con tres defectos, cul es la funcin de distribucin final del parmetro poblacional? PROPUESTO 3. Supngase que la proporcin de artculos defectuosos en un gran lote manufacturado es desconocida y que la funcin de distribucin inicial de es la siguiente:
( ) = 2(1 ) con 0 < < 1

Cuando se seleccionan al azar y en forma independiente ocho artculos del lote, se encuentra que exactamente tres de ellos son defectuosos. Determine la distribucin final de . PROPUESTO 4. Supngase que las estaturas de los individuos de una cierta poblacin tienen una distribucin normal con media desconocida y cuya desviacin tpica es 5 centmetros, supngase tambin, que la distribucin inicial es una distribucin normal cuya media es 168 centmetros y cuya desviacin estndar es 2,5 centmetros. Supngase, por ltimo, que se seleccionan al azar diez personas de la poblacin y que resulta que su estatura promedio es 172 centmetros. Cul ser la funcin de distribucin final de ? y, cul ser el valor final ms probable de la estatura promedio?

Pagina 11