Sesión 11 - Solucion Est
Sesión 11 - Solucion Est
Sesión 11 - Solucion Est
Punto 1
1
Gráfico realizado por el equipo de Probabilidad y Estadística 1. Segundo semestre 2021.
Universidad de los Andes
Departamento de Ingeniería Industrial
Probabilidad y Estadística I (IIND2106)
Profesor Coordinador: Mario Castillo
Profesores: Mario Castillo, Gonzalo Torres, Nicole Ramírez, Mauricio Delgado, Natalia
Pacheco, Nicolás Mejía, Carlos Castellanos y Santiago Castro
Segundo Semestre de 2023
Clase Frecuencia
1 20
2 25
3 31
4 55
5 86
6 97
7 74
8 40
9 37
10 17
11 12
12 4
13 2
b) Realice un diagrama de caja para cada una de las ingenierías que represente la dedicación
semanal en horas de los estudiantes en la práctica de actividad física. Interprete su
resultado.
Universidad de los Andes
Departamento de Ingeniería Industrial
Probabilidad y Estadística I (IIND2106)
Profesor Coordinador: Mario Castillo
Profesores: Mario Castillo, Gonzalo Torres, Nicole Ramírez, Mauricio Delgado, Natalia
Pacheco, Nicolás Mejía, Carlos Castellanos y Santiago Castro
Segundo Semestre de 2023
Se observa que, para esta muestra los estudiantes de Industrial y Sistemas presentan
una media mayor que las demás ingenierías. En Ingeniería Química se presentan 4
valores atípicos y la distribución de Mecánica es asimétrica y esto se observa en la
diferencia de la longitud de los bigotes.
2
Gráfico realizado por el equipo de Probabilidad y Estadística 1.
Universidad de los Andes
Departamento de Ingeniería Industrial
Probabilidad y Estadística I (IIND2106)
Profesor Coordinador: Mario Castillo
Profesores: Mario Castillo, Gonzalo Torres, Nicole Ramírez, Mauricio Delgado, Natalia
Pacheco, Nicolás Mejía, Carlos Castellanos y Santiago Castro
Segundo Semestre de 2023
Máximo 13
Suma 2937
Cuenta 500
Interpretación:
3. Teoría de las colas gordas (curtosis): Se debe recordar que la normal estándar
cuenta con 3 desviaciones alrededor de la media por lo que 3 es el valor de
comparación, sin embargo, en Excel se tiene que es alrededor de cero. En este
caso la curtosis es mayor a 0 (0,039), las colas son cortas y gruesas, y la
concentración de los datos alrededor de la media es mayor, se le denomina como
una distribución leptocúrtica.
Punto 2
Se tiene una muestra aleatoria 𝑋1 , 𝑋2 , … , 𝑋𝑛 de tamaño 𝑛, 𝑑𝑜𝑛𝑑𝑒 (𝑛 > 2) de una población con
media 𝜇 y varianza 𝜎 2 . Se tienen los siguientes 2 estimadores para la media poblacional:
̂1 = 𝑋̅
𝜇
𝑛
𝑛(𝑛 + 1)(2𝑛 + 1)
∑ 𝑖2 =
6
𝑖=1
𝑆𝑒𝑠𝑔𝑜(𝜇̂ 1 ) = 0
𝑆𝑒𝑠𝑔𝑜(𝜇̂ 2 ) = 0
Ayuda:
𝑛
𝑛(𝑛 + 1)(2𝑛 + 1)(3𝑛2 + 3𝑛 − 1)
∑ 𝑖4 =
30
𝑖=1
𝜎2
𝐸𝐶𝑀( 𝜇
̂)
1 =
𝑛
6(3𝑛2 + 3𝑛 − 1) 2
𝐸𝐶𝑀( 𝜇
̂)2 = 𝜎
5𝑛(𝑛 + 1)(2𝑛 + 1)
lim 𝐸(𝜇
̂)
1 = 𝜇
𝑛→∞
Universidad de los Andes
Departamento de Ingeniería Industrial
Probabilidad y Estadística I (IIND2106)
Profesor Coordinador: Mario Castillo
Profesores: Mario Castillo, Gonzalo Torres, Nicole Ramírez, Mauricio Delgado, Natalia
Pacheco, Nicolás Mejía, Carlos Castellanos y Santiago Castro
Segundo Semestre de 2023
lim 𝑉𝑎𝑟(𝜇
̂)
1 =0
𝑛→∞
lim 𝐸(𝜇
̂)2 = 𝜇
𝑛→∞
lim 𝑉𝑎𝑟(𝜇
̂)2 =0
𝑛→∞
Los estimadores 𝜇
̂1 y 𝜇
̂,2 son insesgados y consistentes, se elegirá el que presente el
menor error cuadrático medio.
𝐸𝐶𝑀(𝜇
̂)
1
<1
𝐸𝑀𝐶(𝜇
̂)2
Punto 3
𝑥
−
𝑥 2𝑒 𝛽
𝑓𝑋 (𝑥, 𝛽) = { 𝑥 > 0, 𝛽 > 0
2𝛽 3
0 𝑑. 𝑙. 𝑐
𝐸[𝑋] = 3𝛽
𝑉𝐴𝑅[𝑋] = 3𝛽 2
Con base en la información anterior y teniendo en cuenta que se toma una muestra aleatoria
independiente de tamaño 𝑛, resuelva los siguientes literales:
Universidad de los Andes
Departamento de Ingeniería Industrial
Probabilidad y Estadística I (IIND2106)
Profesor Coordinador: Mario Castillo
Profesores: Mario Castillo, Gonzalo Torres, Nicole Ramírez, Mauricio Delgado, Natalia
Pacheco, Nicolás Mejía, Carlos Castellanos y Santiago Castro
Segundo Semestre de 2023
𝑋̅
𝛽̂𝑀𝑣 =
3
∑𝑛𝑖=1 𝑥𝑖 5
𝛽̂ = +
3𝑛 𝑛
b) Encuentre el mejor estimador entre 𝛽̂ y 𝛽̂𝑀𝑣 . Para esto calcule el sesgo, la consistencia y
el error cuadrático medio de cada estimador.
Estimador 𝛽̂ :
5
𝑆𝑒𝑠𝑔𝑜(𝛽̂ ) =
𝑛
Estimador 𝛽̂𝑀𝑣 :
𝑆𝑒𝑠𝑔𝑜(𝛽̂𝑀𝑣 ) = 0
Consistencia:
lim 𝑉𝑎𝑟(𝐸𝑠𝑡𝑖𝑚𝑎𝑑𝑜𝑟) = 0
𝑛→∞
Estimador 𝛽̂ :
lim 𝐸(𝛽̂ ) = 𝛽
𝑛→∞
lim 𝑉𝑎𝑟(𝛽̂ ) = 0
𝑛→∞
Estimador 𝛽̂𝑀𝑣 :
Universidad de los Andes
Departamento de Ingeniería Industrial
Probabilidad y Estadística I (IIND2106)
Profesor Coordinador: Mario Castillo
Profesores: Mario Castillo, Gonzalo Torres, Nicole Ramírez, Mauricio Delgado, Natalia
Pacheco, Nicolás Mejía, Carlos Castellanos y Santiago Castro
Segundo Semestre de 2023
lim 𝐸(𝛽̂𝑀𝑣 ) = 𝛽
𝑛→∞
lim 𝑉𝑎𝑟(𝛽̂𝑀𝑣 ) = 0
𝑛→∞
Estimador 𝛽̂ :
1 2 25
𝐸𝐶𝑀(𝛽̂ ) = 𝛽 + 2
3𝑛 𝑛
Estimador 𝛽̂𝑀𝑣 :
1 2
𝐸𝐶𝑀(𝛽̂𝑀𝑣 ) = 𝛽
3𝑛
Se tomó una muestra aleatoria de tamaño 10, obteniendo los siguientes resultados:
n 1 2 3 4 5 6 7 8 9 10
𝒙𝒊 7,747 18,33 9,457 15,492 6,93 17,79 8,535 12,519 11,722 12,794
c) ¿Cuál sería el valor puntual del estimador 𝛽̂ y del estimador encontrado por Máxima
Verosimilitud (𝛽̂𝑀𝑣 )?
𝛽̂ = 4,544
𝛽̂𝑀𝑣 = 4,044