Taller Corregido Teoría de Probabilidad y Colas Udea

Ejercicios: Distribuciones Conjuntas-Distribución de La media Muestral- Estimación
Máximo-Verosı́mil Parcial 4
Distribuciones Conjuntas
1. Sean X e Y variables aleatorias continuas con f.d.p conjunta dada por:

3 x 0 < x < 1, 0 < y < 1
f (x, y) =
0 en otro caso
Encuentre:
la distribución condicional de Y dado X = 21 .

La Cov[X, Y ]
La Corr[X, Y ] (ρXY )

4 xy 0 < x < 1, 0 < y < 1
f (x, y) =
0 en otro caso
¿Cuál es la probabilidad P [X + Y ≥ 1]?
3. Sean X e Y variables aleatorias discretas con f.m.p conjunta dada por:
1

p(x, y) = 36 xy x, y = 1, 2, 3
0 en otro caso
¿Cuál es la esperanza E[X 2 Y + 1]?
4. Sean X e Y variables aleatorias discretas con f.m.p conjunta dada por:

k x y x, y = 1, 2, 3
p(x, y) =
0 en otro caso
Encuentre:
La Cov[X, Y ].
El valor esperado de X.
3
5. Sea X1 , X2 , . . . , Xn una muestra aleatoria de una población con sistribución 3β
x4
para x ≥ β
y β > 0. Considere el siguiente estimador para β: β = 2x. ¿Cuál es el valor de la varianza
b
para β.
b

4 x y 0 < x < 1, 0 < y < 1
f (x, y) =
0 en otro caso
¿Cuál es la P (X + Y ≥ 1)?
Distribución de la Media Muestral
Teorı́a de la Probabilidad y Colas

1. La cantidad de lı́quido consumido por un deportista en cierta competencia, es una varia-

ble aleatoria normal con media de 2,5 litros y desviación estándar de 0,5 litros. Si hay 16
deportistas, cual es la probabilidad de que el consumo total de lı́quido sea inferior a 42 litros.
2. Se tiene una m.a X1 , X2 , . . . , X10 distribuida normalmente con media µ = 10 y desviación
estándar σ = 3. ¿Cuál es el valor de K tal que P (X̄ < k) = 0,95?
3. Para cierta prueba de aptitud se sabe con base en la experiencia que el número de aciertos
promedio es 1000 con una desviación estándar de 100 personas seleccionadas al azar, ¿Cuál
es la probabilidad de que el promedio de aciertos de estas personas sea mayor a 1020?
4. Un antropólogo quiere estimar la estatura promedio de los hombres de cierta raza. Si se supone
que la desviación estándar de la población de esa raza es de 6.35 centı́metros y se seleccionan
al azar 100 hombres, ¿Cuál es la probabilidad de que la diferencia en valor absoluto, entre la
media de la muestra y la media verdadera de la población no exceda 1.27 centı́metros?
5. Dos monedas no cargadas son lanzadas dos veces. Sea Xi el número de caras obtenidas en el
lanzamiento i, i = 1, 2. Sea x el promedio de x1 y x2 . La probalilidad de que x < 1,5 es
6. El tiempo de ensamble de una pieza es una variable aleatoria distribuida normalmente con
varianza de 16min2 . Si el jefe de producción desea que la diferencia en valor absoluto, entre
la media muestral y la media poblacional sea menor a 1 minuto, con una probabilidad de 0.9,
¿Cuál es el tamaño de la muestra de tiempos de ensamble que debe tomar?
7. En una heladerı́a, se venden ensaladas de frutas en tres diferentes tamaños, pequeño, mediano
y grande cuyos precios son $600, $1000 y $2500. De todas las ensaladas vendidas, el 30 % son
de las pequeñas, el 20 % medianas y 50 % son grandes. Durante un dı́a dado se reporta la
venta de 180 ensaladas de frutas. ¿Cuál es la probabilidad de que a partir de ellas las ventas
totales hayan excedido los $320000?
8. Una población normal tiene media 50 y varianza de 25. ¿Cuál es el mı́nimo tamaño de muestra
que se debe tomar de esta población para que el error estándar (desviación estándar) del
promedio sea inferior a 1.5?
Estimación de Máxima Verosimilitud
1. Sea X1 , X2 , . . . , Xn una muestra aleatoria de una población con distribución de probabilidad

dada por:
f (x) = λe−λ(x−θ) , x ≥ θ,
con λ, θ > 0. Si θ es conocido, ¿Cuál es el estimador de máxima verosimilitud para λ?

2. Sea X1 , X2 , . . . , Xn una muesta aleatoria de una población con distribución de probabilidad
dada por:
f (x) = (α + 1)xα , 0 < x < 1,
con α > 0. Sea θ = P (Xi < 12 ) ¿Cuál es el estimador máximo verosı́mil para θ?
dada por:
x −x
f (x) = 2 e β , x > 0,
β
con β > 0. ¿Cuál es el estimador de máxima verosimilitud para β?

4. Sea X1 = 2, X3 = 3, X3 = 7, X4 = 6 una muestra aleatoria de una distribución Poisson con

parámetro λ desconocido. Sea β = P (X = 0). ¿Cuál es el EMV para β?
5. Sea X una v.a que representa la proporción de tiempo que un estudiante requiere para presenar
cierta prueba de una hora. La función de densidad de probabilidad de esta variable es:
f (x) = (θ + 1)xθ , 0 < x < 1,

Una m.a de 10 estudiantes que presentaron dicha prueba arrojó los siguientes resultados: 0.92,
0.72, 0.90, 0.65, 0.86, 0.47, 0.73, 0.97, 0.52, 0.10. ¿Cuál es el EMV para θ?

exponencial, dada por:
f (x) = λe−λx , x ≥ 0
Encuentre el estimador de máxima verosimilitud de λ.
Estimadores
1. Sea X1 , . . . , Xn una muestra aleatoria de una distribución con media µ desconocida y varianza
σ 2 conocida. Considere los siguientes estimadores:
X1 + 2X2 + 3Xn
µ̂1 =
6
4X1 + X2 − 2Xn
µ̂2 =
3
X1 + Xn
µ̂3 =
2
¿Cuál es un mejor estimador para µ?
2. Sea X1 , . . . , Xn una muestra aleatoria de una población con distribución de probabilidad dada
por:
2x
f (x) = , 0 < x < θ,
θ2
con θ > 0. ¿Cuál de los siguientes es un estimador insesgado para θ?
X1 + 2X2 + 3Xn
θ̂1 =
6
X1 + X2 + Xn
θ̂2 =
3
X1 + X2 + Xn
θ̂3 =
2

3. Sea X1 , . . . , Xn una muestra aleatoria de una población con distribución de probabilidad dada
por:
2x
f (x) = , 0 < x < θ,
θ2
X1 +X2 +Xn
con θ > 0. Sea θ̂ = 3 , ¿Cuál es la varianza y el sesgo de este estimador?
4. Suponga que θ̂1 y θ̂2 son estimadores insesgados del parámetro θ. Se sabe que V (θ̂1 ) = 10 y
V (θ̂2 ) = 4. ¿Cuál estimador es un “mejor” estimador para θ y en qué sentido lo es?
θ
5. Suponga que θ̂1 y θ̂2 son estimadores del parámetro θ. Se sabe que E[θ̂1 ] = θ, E[θ̂2 ] = 2,
V (θ̂1 ) = 10, V (θ̂2 ) = 4. ¿Qué estimador es “mejor”? ¿En qué sentido lo es?

Taller Corregido Teoría de Probabilidad y Colas Udea

Cargado por

Copyright:

Formatos disponibles

Taller Corregido Teoría de Probabilidad y Colas Udea

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Taller Corregido Teoría de Probabilidad y Colas Udea

Cargado por

Copyright:

Formatos disponibles

Ejercicios: Distribuciones Conjuntas-Distribución de La media Muestral- Estimación

1. Sean X e Y variables aleatorias continuas con f.d.p conjunta dada por:

la distribución condicional de Y dado X = 21 .

2. Sean X e Y variables aleatorias continuas con f.d.p conjunta dada por:

¿Cuál es la probabilidad P [X + Y ≥ 1]?

3. Sean X e Y variables aleatorias discretas con f.m.p conjunta dada por:

¿Cuál es la esperanza E[X 2 Y + 1]?

4. Sean X e Y variables aleatorias discretas con f.m.p conjunta dada por:

6. Sean X e Y variables aleatorias continuas con f.d.p conjunta dada por:

Distribución de la Media Muestral

Teorı́a de la Probabilidad y Colas

1. La cantidad de lı́quido consumido por un deportista en cierta competencia, es una varia-

1. Sea X1 , X2 , . . . , Xn una muestra aleatoria de una población con distribución de probabilidad

con λ, θ > 0. Si θ es conocido, ¿Cuál es el estimador de máxima verosimilitud para λ?

Teorı́a de la Probabilidad y Colas

4. Sea X1 = 2, X3 = 3, X3 = 7, X4 = 6 una muestra aleatoria de una distribución Poisson con

f (x) = (θ + 1)xθ , 0 < x < 1,

6. Sea X1 , X2 , . . . , Xn una muesta aleatoria de una población con distribución de probabilidad

Encuentre el estimador de máxima verosimilitud de λ.

Teorı́a de la Probabilidad y Colas

Teorı́a de la Probabilidad y Colas

También podría gustarte