Lecciones de inferencia estadstica

CAPTULO 1.- EJERCICIOS

1.
En el caso propuesto en el ejemplo 2.2, (a) Cul debe ser la regin crtica del test
para obtener una probabilidad p = 0.1 de que se rechace H0 cuando sta es cierta, si el
nmero de unidades muestreadas asciende a n = 100? (b) Cuntas unidades se debern
muestrear para que la probabilidad de rechazar H0 cuando es cierta siga siendo p = 0.1 al
tomar como regin crtica A = {r > 15}. (c) Cunto vale la probabilidad de aceptar H0,
cuando en realidad es falsa, en ambos casos?
2.
Se desea estimar la media de una normal de varianza 2 = 16 con la media aritmtica
de las observaciones de una muestra de tamao n = 10. (a) Cul es el error cuadrtico
medio cometido? (b) Cul es la probabilidad de que el estimador se separe del verdadero
valor de la media en una cantidad menor que 1?
3.
Dada una poblacin de Poisson de parmetro desconocido, se desea estimar e con
una muestra de tamao unidad. Dado que E(X) = , se propone analizar el estimador
T1=ex. (a) Cul es el error cuadrtico medio de T1? (b) Si se utiliza otro estimador T2 = ax,
cunto debe valer la base a para que T2 tenga de media e ?. (c) Cul es el error
cuadrtico medio de T2 para el valor de a obtenido en el apartado (b)?
4.
Se lanza un dado equiprobable dos veces de modo independiente, y se construyen la
variable 2 X n 1 y el estadstico T dado en (2.1). (a) Calcular la media y varianza de
ambos. (b) Interpretar los resultados como un caso particular del ejemplo 2.3.
5.
Realizar todos los clculos necesarios para desarrollar el caso planteado en el
ejemplo 3.1.

Lecciones de inferencia estadstica

CAPTULO 2.- EJERCICIOS

1.
El consumo de gasolina por cada 100 Km. de un cierto modelo de coche se puede
considerar una variable aleatoria con media 8,7 litros y desviacin tpica 1.5 litros. Se le
agrega a la gasolina un cierto aditivo cuya publicidad asegura que disminuye el consumo
de gasolina, y para contrastarlo se comprueba el consumo en una muestra de 40 de estos
vehculos, observndose un valor medio de 7.5 litros. Se puede admitir la hiptesis de que
el aditivo no ha modificado la distribucin de la variable consumo, con un nivel de error
del 5%?.
2.
El consumo diario de agua en los hogares espaoles, expresado en litros, puede
suponerse una variable aleatoria con curtosis nula. Se muestrean 1000 hogares espaoles
durante todo un ao y se observa una cuasivarianza muestral de 1403 l2. Calcular un
intervalo de confianza con probabilidad de cubrimiento mayor del 95% para la varianza de
tal distribucin. Puede admitirse que el valor 2 = 1200 l2, predicho por los expertos un
ao antes, es factible a este nivel de confianza, o por el contrario se deduce que ha habido
una dispersin mayor que la pronosticada en tal consumo de agua?
3.
Calcular el coeficiente de correlacin entre los dos primeros momentos muestrales
con respecto al origen, para una muestra extrada de una poblacin exponencial de
parmetro .
4.
Un proveedor nos suministra artculos cuya proporcin de defectuosos puede
aproximarse por una variable aleatoria con distribucin uniforme en el intervalo (0,) con
desconocido y el cual se desea estimar. (a) Obtener un estimador de basado en la media
geomtrica y otro basado en la media aritmtica de los elementos de la muestra, ambos
asintticamente centrados. (b) Cul tiene menor error cuadrtico medio? (c) Si se toma
una muestra de n = 15 elementos, calcular intervalos de confianza para basados en los
dos estadsticos anteriores, con una probabilidad de cubrimiento del 90%.
5.
Obtener 10 muestras artificiales de tamao 4 de una distribucin Bin(n=11, p=0.4) a
partir de 40 observaciones artificiales de una distribucin uniforme U(0,1) obtenidas con
un ordenador.
6.
Dada una muestra de tamao n de una poblacin de Bernoulli de parmetro p, (a)
Hacia qu converge en probabilidad el estadstico X (1 X ) ? (b) Hacia qu converge en
( X p)
distribucin el estadstico n
? (c) Suponer que, de una muestra de 300
X (1 X )
personas, 72 de ellas apoyan a un determinado partido poltico. Dar una estimacin de la
probabilidad de apoyar a ese partido y el error de la estimacin con un nivel de confianza
del 95%.
7.
Calcular la distribucin asinttica del estadstico exp( X ) , obtenido a partir de una
muestra de tamao n de una poblacin exponencial de parmetro .

Lecciones de inferencia estadstica

CAPTULO 3.- EJERCICIOS

1.
Una lnea de produccin instala motores para camiones sobre chasis que va
recibiendo de otra planta instalada en otra ciudad, con un retraso para cada unidad sobre el
da pedido que est aleatoriamente distribuido como una exponencial de media 0.6 meses.
Se realiza un pedido de 10 chasis para un da determinado. Cuando se recibe la primera
unidad, comienza su instalacin, que tiene una duracin t expresada en meses. Si la
segunda unidad llega antes de terminar de instalar la primera, se debe almacenar, lo que
produce un coste durante todo el tiempo que queda, a razn de 1800 mensuales. Por el
contrario, si la segunda unidad llega ms tarde de finalizar la primera instalacin, hay un
coste de desocupacin parcial durante ese intervalo de tiempo, a razn de 54000
mensuales. Calcular el coste esperado en funcin del tiempo de instalacin t, y hallar el
valor de t que minimiza ese coste medio.
2.
Dada una muestra de tamao 50 de una distribucin uniforme U(0, =1000), (a)
Calcular la distribucin asinttica del estadstico ordenado de lugar 6. (b) Hallar un
intervalo aproximado que cubra el valor de tal estadstico con una probabilidad de 0.5. (c)
Si el valor de es desconocido, puede admitirse la hiptesis de que = 1000 con una
confianza del 90%, si el valor del estadstico X (6) ha sido 93?

3.
La duracin de una muestra de 10 lmparas construidas mediante un sistema de
fabricacin, expresadas en meses, ha sido: 15, 3, 8, 3, 7, 12, 5, 6, 25 y 11. Se puede
admitir que la vida aleatoria de las lmparas obtenidas con este sistema est distribuida
exponencialmente, con una confianza del 95%?
4.
Dada una poblacin uniforme U(0,a), calcular la funcin de densidad de la distancia
entre dos primeros estadsticos ordenados obtenidos a partir de una muestra de tamao n de
dicha poblacin.
5.
Una varilla de vidrio de longitud L con los extremos coloreados, cae al suelo y se
rompe en tres trozos de modo aleatorio (los puntos de corte son variables independientes,
uniformes a lo largo del intervalo). (a) Hallar la funcin de densidad del trozo central
(ambos extremos sin colorear). (b) Calcular la longitud media de dicho trozo central.
6.
Se extrae una muestra de tamao 3 de una poblacin exponencial de parmetro .
Demostrar que los estadsticos X (3) X ( 2) y X ( 2) son independientes.

Lecciones de inferencia estadstica

CAPTULO 4.- EJERCICIOS

1.
Si X, Y son dos variables aleatorias independientes con distribucin normal estndar,
sabemos que la distribucin de Q = X 2 + Y 2 es una 22 . (a) Descomponer Q en suma de
dos formas cuadrticas Q1 y Q2, distribuidas cada una de ellas como una 12 . (b) Cules
son sus matrices asociadas? Demostrar que ambas matrices son idempotentes y su producto
es la matriz nula. (c) Qu se puede decir de la independencia de Q1 y Q2?
2.
La efectividad en das de un determinado antibitico sigue una distribucin normal
de media 14 das y desviacin tpica desconocida. Fue administrado a 16 enfermos,
obtenindose una cuasidesviacin tpica muestral de 1,4 das. Preocupados por una posible
subestimacin de la varianza poblacional, que podra llevar a subestimar la probabilidad de
que no se alcance la efectividad mnima, se desea determinar la probabilidad de que con
esa muestra de 16 enfermos se subestime la varianza en ms de un 20%. Si el tamao
muestral crece, esta probabilidad aumenta o disminuye?. Determinar tambin el tamao
de muestra necesario para que la probabilidad anterior sea 0.05.
3.
Las tensiones de rotura de 5 cables de un determinado metal, expresadas en Kp.
fueron 730, 550, 590, 420 y 500. Suponiendo normalidad para las tensiones, estimar la
media y la varianza de la variable tensin de rotura mediante sendos intervalos de
confianza con probabilidad de cubrimiento de 0.95.
4.

Dada una muestra de tamao n de una poblacin normal, encontrar la distribucin del
n 1 X n X n 1
estadstico
. Qu tipo de inferencia se puede realizar con l?
n
S n 1
5.
De una distribucin normal bivariante se extrae una muestra de tamao 11, con la
que el coeficiente de correlacin muestral es de 0.40. Encontrar la probabilidad de que el
coeficiente de correlacin de la poblacin sea superior a dicho valor.
6.
El logaritmo de la renta anual en miles de euros de una poblacin puede considerarse
normalmente distribuido. Se toma una muestra de 14 individuos de esa poblacin y se
obtienen los estadsticos x 1 = 30 y S1 = 7 . Un ao ms tarde se toma otra muestra de 11
individuos, y las observaciones conducen ahora a que x 2 = 35 y S1 = 8 . (a) Hallar un
intervalo de confianza para el cociente de las varianzas en los dos aos muestreados, con
cubrimiento del 80%. (b) Puede admitirse que la media no ha variado de un ao a otro con
una confianza del 95%?
7.
Las variables temperatura (en grados centgrados) y cantidad obtenida (en gramos) de
un cierto producto en una reaccin qumica, se puede aproximar por una distribucin
normal bivariante. De una muestra de 16 experimentos en los que se realiza la reaccin, se
obtienen los siguientes datos: X1 = 30, S1 = 6.5, X 2 = 65, S 2 = 9.5, R = 0.92 . Se puede
aceptar la hiptesis de que al aumentar 1 grado la temperatura, el aumento de cantidad de
producto obtenido sea de 1.6 gramos?

Lecciones de inferencia estadstica

CAPTULO 5.- EJERCICIOS

1.
De una poblacin uniforme U(0,) extraemos una muestra de tamao n y calculamos
el estadstico T media geomtrica de los elementos de esa muestra. (a) Demostrar que T es
asintticamente normal. (b) Dado que el estadstico media aritmtica es tambin
asintticamente normal, comparar los estimadores de proporcionales a los dos
estadsticos anteriores que sean asintticamente centrados.
2.
Se desea estimar el parmetro a de una poblacin gamma (1/a,1), de la que se extrae
una muestra de tamao n. (a) Probar que el estimador media aritmtica es centrado para a,
y calcular su varianza. (b) Demostrar que nX(1) es tambin centrado y calcular su varianza.
(c) Comparar los dos estimadores anteriores no slo por su varianza sino tambin por el
coste econmico que conlleva su determinacin.
3.
Sea una muestra de tamao n de una poblacin (X,Y) normal bivariante, de
parmetros 1, 2, 1, 2 y . Supongamos que 1 = 2 y deseamos estimar el valor comn
, a travs de un estimador lineal T = X + (1 ) Y que sea centrado. (a) Encontrar la
varianza de T. (b) Hallar el valor de que minimiza la varianza de T.
4.
Se desea estimar la probabilidad de que una variable de Poisson de parmetro tome
el valor cero, con una muestra de tamao unidad, siendo la funcin de prdida de error
cuadrtico. (a) Encontrar las funciones de riesgo de los estimadores T1 = exp(-X) y
T2 = I{X=0}, donde I{A} representa la funcin indicadora del suceso A. (b) Cul de estos
dos estimadores sera preferido con el criterio minimax? (c) Si es otra variable aleatoria
con distribucin a priori exponencial de parmetro unidad, cul de ambos estimadores
sera elegido con el criterio Bayes?
5.
Dada una muestra aleatoria simple de tamao n de una poblacin cuya densidad es
f(x) = exp{-(x-)}, (x > ), se emplea el estadstico T = X(1) para estimar el parmetro .
(a) Es consistente este estimador? (b) Demostrar que dicho T es asintticamente centrado
y utilizar el mtodo Jackknife para encontrar un estimador centrado del parmetro .
6.

Sea (X1, ... ,Xn) una muestra de una poblacin con media y momento de segundo

orden finito. Demostrar que T = 2 [ n (n + 1)] 1

.

i=1 iX i
n

es un estimador consistente para

Lecciones de inferencia estadstica

CAPTULO 6.- EJERCICIOS

1.

Sea (X1, ... ,Xn) una muestra de una poblacin con media y momento de segundo

orden finito. Cul es la eficiencia relativa del estimador T = 2 [ n (n + 1)] 1

i=1 iX i
n

con

respecto a X ?.
2.
Dada una poblacin de Poisson de parmetro , se desea estimar la funcin exp() a
partir de una muestra de tamao n. (a) Calcular cul es la cota de Cramr para la varianza
de cualquier estimador regular. (b) Encontrar la eficiencia y la eficiencia asinttica del
estimador T = ((n + 1) / n )nX .
3.
Hallar la eficiencia del estadstico media aritmtica de los elementos de la muestra,
empleado para estimar el inverso del parmetro de una poblacin exponencial.
4.
Dada una poblacin uniforme U(0,), (a) Encontrar un estimador T centrado para el
extremo , que sea proporcional al mximo de los elementos de una muestra de tamao
n = 4. (b) Construir una estimacin para la varianza de T por el mtodo bootstrap, cuando
vale la unidad.
5.
Encontrar la cota de Cramr para la varianza de los estimadores centrados regulares
de la probabilidad P(X > 2), donde X es una variable poblacional distribuida segn una
normal de media y varianza unidad.
6.

Sea una poblacin X con funcin de densidad f ( x ) = (1 + x ) (1+) , (si x > 0) , que

depende del parmetro > 0. Hallar la cota de Cramr para la varianza de un estimador
centrado de: (a) 2 + 2 . (b) e . (c) 1 / .

Lecciones de inferencia estadstica

CAPTULO 7.- EJERCICIOS

1.
Dada una muestra de tamao 2 de una poblacin de Poisson de parmetro ,
demostrar que el estadstico X1 + 2X2 no puede ser suficiente para estimar .
2.
Sea X una variable poblacional discreta con funcin de probabilidad dada por
P (X = x ) 2 x / , (si x = , +1, ...), donde es un parmetro positivo. Hallar un
estadstico suficiente para estimar .
3.
Si una poblacin normal tiene varianza 2 = 2, donde es su media, probar que el
estadstico T = ( X ,S2), aunque es suficiente, no puede ser completo cuando se desea
estimar el parmetro real .
4.
Hallar el estimador centrado de mnima varianza para estimar la funcin de varianza
de una distribucin de Bernoulli de parmetro p.
5.
Encontrar es estimador centrado de mnima varianza de la probabilidad P(X < t0),
donde t0 es un nmero real fijo, cuando X es una variable con distribucin exponencial de
parmetro > 0.
6.
Probar que el estadstico trivial es el nico estadstico suficiente para estimar > 0,
que se puede construir a partir de una muestra de tamao n = 2 de una poblacin de Cauchy
1
1
de parmetro , cuya funcin de densidad es f ( x ) =
.
1 + ( x ) 2
7.
Sea una muestra de tamao n de una poblacin uniforme U(0,). Utilizando el
teorema de Basu, probar que los estadsticos X(1)/X(n) y X(n) son variables aleatorias
independientes.
8.

De una poblacin X con funcin de densidad f ( x ) =

una muestra de tamao n. Probar que

parmetro , pero

i=1 X i
n

i=1 X i2
n

no es suficiente.

x x 2 / 2
e
, si x > 0 , se extrae

es un estadstico minimal suficiente para el

Lecciones de inferencia estadstica

CAPTULO 8.- EJERCICIOS

1.
Sea X una variable poblacional con densidad f ( x ) = x / , si 0 x , y
f ( x ) = (2 x ) /(2 ), si x 2 , de la cual se extrae una muestra de tamao n.
Demostrar que el estimador de mxima verosimilitud de es forzosamente una de las
observaciones, pero ninguna de ellas en particular.
2.
Dada una muestra de tamao n de una poblacin exponencial de parmetro > 0 con
el origen en el punto , (a) Encontrar el estimador de mxima verosimilitud del par (,).
(b) Idem de la probabilidad P(X1 1).
3.
Hallar el estimador de mxima verosimilitud de la media y de la varianza de una
poblacin X cuyo logaritmo est distribuido segn una normal N(,).
4.
Dada una poblacin de Bernoulli X de parmetro p, (a) Calcular el estimador de
mxima verosimilitud de la varianza h(p) de X, y probar que es sesgado, pero
n
asintticamente centrado. (b) Demostrar que el estimador
X (1 X ) es centrado para
n 1
h(p), y comparar su varianza con el error cuadrtico medio del MLE hallado en el apartado
anterior.
5.

Sea X una variable con distribucin logstica, cuya densidad viene dada por

f ( x ) = e ( x ) 1 + e ( x )

, de la que extrae una muestra de tamao n. (a) Encontrar la

ecuacin de verosimilitud para y determinar la distribucin asinttica del MLE. (b)

Hallar una frmula de recurrencia que permita aproximar el MLE de modo iterativo a partir
de una solucin inicial. Qu solucin inicial que sea consistente se puede tomar?
6.
Calcular la distribucin asinttica del estimador de mxima verosimilitud del
extremo superior de una poblacin uniforme U(0, ) y comprobar que en este caso no
regular, el MLE no es asintticamente normal.

Lecciones de inferencia estadstica

CAPTULO 9.- EJERCICIOS

1.
Dada una poblacin binomial B(N,p) de la que se extrae una muestra de tamao n, (a)
Construir por el mtodo de los momentos estimadores para los parmetros N y p. (b)
Estudia la consistencia de ambas soluciones.
2.
Encontrar estimadores de los parmetros de una distribucin logartmico-normal por
el mtodo de los momentos.
Dado el modelo lineal Yi = + xi + xi2 + ei, (i = 1, ... ,n), donde se cumple que
x i = x 3i =0 y x i2 = x i4 = 1 ,(a) Encontrar los estimadores de mnimos

3.

cuadrados de , y . (b) Hallar las varianzas y covarianzas entre ellos,. (c) Calcular un
estimador centrado de la varianza del modelo.
4.
Para estimar la aceleracin de la gravedad en un determinado lugar se miden los
espacios recorridos Yi por un objeto en cada libre, durante unos intervalos de tiempo xi
determinados (i = 1, ... ,n). Supuesta la expresin Yi = (1/2)xi2 + ei , donde los errores
verifican las hiptesis del modelo lineal, (a) Calcular el estimador mnimo cuadrtico de .
(b) Analizar la expresin de la varianza de dicho estimador eligiendo convenientemente los
tiempos xi .
5.
De una muestra obtenida a partir de una poblacin de Poisson de parmetro solo se
conoce cuntas observaciones han sido nulas y cuantas han sido estrictamente positivas.
Hallar es estimador de mnimos cuadrados de , y calcular para qu valores existe, en
funcin de los valores observados en la muestra.

10

Lecciones de inferencia estadstica

CAPTULO 10.- EJERCICIOS

1.
Dada una muestra de tamao n de una poblacin de Poisson de parmetro , el cual
es otra variable aleatoria con distribucin a priori exponencial de parmetro unidad, (a)
Hallar el estimador Bayes de si la funcin de prdida es el error cuadrtico, y compararlo
con la moda de la distribucin a posteriori. (b) Encontrar el estimador Bayes de la
probabilidad P(X = 0), con la misma funcin de prdida.
2.
(a) Calcular el estimador Bayes de la media de una normal X de varianza conocida
cuando la distribucin a priori es una doble exponencial, esto es, con densidad
1 | |/ a
( x ) =
e
, siendo a un valor tambin conocido. (b) Compararlo con la solucin
2a
Bayes si la distribucin a priori se sustituye por una normal de media nula y varianza la
misma que . (c) Cunto valen los correspondientes riesgos Bayes?. Se supone prdida
de error cuadrtico.
Hallar los estimadores Bayes del parmetro en los dos casos planteados en el
( ) 2
ejemplo 2.4, cuando la funcin de prdida es del tipo L(, ) = a
, con a, b 0, e
(1 ) b
interpretar los resultados para los diversos valores de a y b.
3.

4.
Sea una poblacin normal N(,), con ambos parmetros desconocidos, de la cual
extraemos una muestra de tamao n. Si el par (,) tiene la distribucin a priori no
informativa de densidad (,) -1, (a) Calcular la distribucin a posteriori del par (,)
y a partir de ah, la marginal a posteriori de . (b) Hallar el estimador y riesgo Bayes de
cuando la prdida es el error cuadrtico. (c) Encontrar el estimador Bayes bajo la prdida
general L(, ) = c ( ) 2 , para los distintos valores de c 0.
5.
Se desea estimar la media de una normal de varianza 1, con una muestra de tamao
unidad, cuando la distribucin a priori de es una normal estndar, y la funcin de prdida
es L(, ) = ( ) 2 exp 3 2 / 4 . (a) Calcular el estimador Bayes de . (b) Hallar su
funcin de riesgo y compararla con la del estimador T(X) = X. (c) Cunto vale el riesgo
Bayes?

11

Lecciones de inferencia estadstica

CAPTULO 11.- EJERCICIOS

1.
Dada una muestra de tamao n de una poblacin uniforme U(0,), encontrar
intervalos de confianza a nivel 1- para el extremo , (a) Utilizando la desigualdad de
Chebychev. (b) Segn el mtodo de Neyman, a partir de un estadstico suficiente.
2.
Hallar un intervalo de confianza a nivel 1- del origen de una poblacin
exponencial desplazada, de densidad f(x) = exp{-(x-)}, si x > , utilizando un pvot
basado en un estadstico suficiente.
3.
Sea una muestra de tamao n de una poblacin uniforme discreta con N puntos.
Construir un lmite superior de confianza a nivel 1-, basado en el mximo de los
elementos de dicha muestra.
4.
Consideremos el intervalo de confianza (X(1), X(n)) para el parmetro de una
poblacin uniforme U( - a, + b), donde a y b son constantes positivas conocidas, el cual
se ha obtenido a partir de una muestra de tamao n. (a) Hallar el coeficiente de confianza
de tal intervalo y su longitud esperada. (b) Qu sucedera tomando otro par distinto de
estadsticos ordenados?
5.
De una poblacin gamma (a,p), con a conocido, se extrae una muestra de tamao n.
(a) Calcular un intervalo de confianza aproximado a nivel 1- para el parmetro p,
construido a partir de una cantidad pivotal asinttica. (b) Cuando a no se conozca, hallar un
intervalo de confianza exacto a nivel 1- para el parmetro a, cuando p = 0.1 y n = 10.
6.
(a) Hallar intervalos de confianza, a nivel 1- para el centro de una distribucin de
Cauchy, de densidad f ( x ) = 1 1 + ( x ) 2 1 , basados en el estadstico X , media
aritmtica de los elementos de una muestra de tamao n. (b) Calcular otros intervalos de
confianza al mismo nivel, basados en el estadstico X ( n ) , mximo de los elementos de
dicha muestra. (c) Comparar sus longitudes e interpretar el resultado.

12

Lecciones de inferencia estadstica

CAPTULO 12.- EJERCICIOS

1.
Sean X e Y dos poblaciones exponenciales independientes, con parmetros y
respectivamente. (a) Encontrar una regin de confianza a nivel 1- para el par (,)
constituida por un semiplano cuya frontera es: X + Y = k. (b) Hallar un intervalo de
confianza a nivel 1- para el cociente / .
2.
La siembra de nubes con ciertas sustancias qumicas puede aumentar las
precipitaciones en forma de lluvia. Supongamos que hay dos mtodos distintos de siembra,
el primero de los cuales se emplea en 60 ocasiones, obtenindose xito en 24 de ellas,
mientras que el segundo se emplea en 50 ocasiones dando xito tan slo en 16. Dar un
intervalo de confianza aproximado a nivel del 95% para la diferencia de probabilidades de
precipitacin de lluvia con ambos mtodos. Basndose en este intervalo y con este nivel de
confianza, es uno de los mtodos superior al otro?

3.
Sea una poblacin de densidad f(x) proporcional a x en el intervalo , , donde
> 1. (a) Encontrar el intervalo de confianza para a nivel 1-, que tiene longitud mnima
entre los construidos a partir del mnimo de los elementos de una muestra de tamao n. (b)
Hallar el intervalo de longitud mnima basado en el mximo de dicha muestra.
4.
Encontrar un intervalo de confianza bayesiano a nivel 1- para el parmetro de una
distribucin de Poisson, el cual se supone que tiene una distribucin a priori gamma (a,p)
de parmetros a,p conocidos.
5.
Un fabricante est desarrollando un nuevo modelo de televisin en color, cuya
duracin en horas quiere comparar con el modelo estndar que fabricaba hasta ese
momento. Para ello toma una muestra de 11 aparatos del nuevo modelo y obtiene como
duracin media X = 1700 das, y cuasidesviacin S1 = 34 das. Con otra muestra de 12
aparatos del modelo antiguo observa una duracin media de Y = 1500 das, con una
cuasidesviacin de S2 = 21 das. Construir un intervalo de confianza a nivel del 95% para
la diferencia de vida media de cada tipo de modelos (se supone normalidad e
independencia para las vidas aleatorias de ambos modelos).
6.
Sea una poblacin exponencial de parmetro , de la que se extrae una muestra de
tamao n. (a) Calcular un intervalo de confianza asinttico para al nivel 1- a partir del
estimador de mxima verosimilitud. (b) Construir otro intervalo de confianza asinttico de
basado en el teorema central del lmite para el logaritmo de la verosimilitud. (c) Por qu
no coinciden ambas soluciones? (d) hallar un intervalo de confianza asinttico a nivel 1-
para la funcin logaritmo de .

13

Lecciones de inferencia estadstica

CAPTULO 13.- EJERCICIOS

1.
Se desea contrastar la hiptesis nula H0: X est distribuida segn una exponencial de
media 2, contra la alternativa H1: X es una exponencial de media , con > 2. Dada una
muestra de tamao n = 3, se plantea el test de hiptesis que tiene como regin crtica
X k . (a) Calcular el valor de la constante k para que la extensin del test sea . (b)
Hallar la funcin de potencia y dibujarla.
2.
Dada una poblacin normal N(,1), se desea contrastar la hiptesis nula H0: = 0,
contra la alternativa H1: 0, y para ello se extrae una muestra de tamao n, planteando el
test de hiptesis cuya regin crtica es X c . (a) Calcular la extensin de este test. (b)
Cunto debe valer el tamao n para que la extensin valga ? (c) Hallar la funcin de
potencia.
3.
Sea una poblacin de Poisson de parmetro , de la que se extrae una muestra de
tamao n. (a) Hallar el test ms potente de extensin = 0.05 para contrastar la hiptesis
nula H0: = 1, contra la alternativa H1: = 2, cuando n = 5. (b) Encontrar el test ms
potente de extensin para contrastar la hiptesis nula H0: = 1, contra la alternativa H1:
= 1, y demostrar que no depende 1 de siempre que 1 1. (c) Comprobar que este
ltimo test est basado en el estadstico minimal suficiente para , y calcular su funcin de
potencia. (d) Cul debe ser el tamao muestral n para que dicho test tenga potencia en
= 1? (suponer que n es suficientemente grande para poder aplicar el teorema central del
lmite).
4.
(a) Hallar el test ms potente de extensin para contrastar la hiptesis nula H0 de
que una variable X sigue una distribucin normal estndar, contra la alternativa H1 de que
X sigue una distribucin de Cauchy, a partir de una muestra de tamao n. (b) Para =
0.05, calcular cunto vale el error de segundo tipo.
5.
Una variable aleatoria X tiene una distribucin exponencial de parmetro = 1. Se
extrae una muestra de tamao unidad de la variable Y = X y se desea contrastar la
hiptesis nula H0: = 1, contra la alternativa H1: = 2. Hallar el test ms potente de
extensin = 0.10 para esas hiptesis y calcular su error de segundo tipo.
6.
Sea X una poblacin discreta con funcin de probabilidad p(x), de la que se extrae
una muestra de tamao unidad. Encontrar el test ms potente de extensin = 0.20 para
contrastar la hiptesis H0: p = p0, contra H1: p = p1, donde las funciones p vienen dadas
por:
x
p0 (x)
p1 (x)

1
0.10
0.10

2
0.10
0.12

3
0.10
0.14

4
0.10
0.12

5
0.10
0.10

6
0.10
0.08

7
0.10
0.06

8
0.10
0.08

9
0.10
0.10

10
0.10
0.10

14

Lecciones de inferencia estadstica

CAPTULO 14.- EJERCICIOS

1.
Dada una muestra de tamao n de una poblacin discreta uniforme sobre los N
primeros nmeros naturales, encontrar el test uniformemente ms potente de extensin
para contrastar la hiptesis nula H0: N N0, contra la alternativa H1: N > N0 .
2.
Sea X una poblacin gamma (a,p) con p conocido, y = 1/a un parmetro
desconocido. A partir de una muestra de tamao n se desea contrastar la hiptesis nula H0:
= 0, contra la alternativa H1: > 0 .(a) Encontrar el test uniformemente ms potente de
extensin para contrastar dichas hiptesis. Hallar una aproximacin cuando n sea grande.
(b) Analizar la monotona de la funcin de potencia de dicho test.
3.
Sea f(x) , ( > 0), la funcin de densidad de una poblacin de la que se extrae una
muestra de tamao n para contrastar la hiptesis H0: 0, contra la alternativa H1: > 0.
(a) Encontrar el test uniformemente ms potente de extensin (si existe) para contrastar
dichas hiptesis, cuando f ( x ) = x (+1) , si x 1 . (b) Idem si la funcin de densidad es
f ( x ) = 1 x (1) / , si 0 < x < 1 . (c) Hallar las funciones de potencia en los casos
anteriores.
4.
Se extrae una muestra de tamao n de una poblacin X = Y - , donde Y tiene una
distribucin t de Student con grados de libertad y se desea contrastar la hiptesis nula H0:
0, contra la alternativa H1: > 0. (a) Se verifica para esta familia la propiedad de
razn de verosimilitud montona?Qu se puede decir sobre la extensin del test de
Neyman-Pearson aplicado a la bsqueda del test uniformemente ms potente de extensin
? (b) Hallar un test que sea localmente ms potente con dicha extensin.
5.
Encontrar el test ms potente entre los centrados de extensin para contrastar la
hiptesis H0: = 0, contra la alternativa H1: 0, donde es la media de una normal de
varianza unidad, de la que se extrae una muestra de tamao n.
6.
Sea una poblacin uniforme U(,+1), de la que se extrae una muestra de tamao n y
se desea contrastar la hiptesis H0: = 0, contra la alternativa H1: > 0, utilizando el test
que rechaza H0 si X(n) 1 o X(1) k, donde k es una constante. (a) Determinar k para que el
test tenga extensin . (b) Hallar la potencia de dicho test. (c) Probar que ste es el test
uniformemente ms potente de extensin .
7.
Dada una observacin de una poblacin beta (1,), se desea contrastar la hiptesis
H0: 1 2, contra la alternativa H1: < 1 > 2. Un test tiene potencia 0.5 en = 1,
y potencia 0.3 en = 2. Encontrar un test que tenga potencia igual o mayor que en la
regin definida por H1, verificando las dos restricciones anteriores.

15

Lecciones de inferencia estadstica

CAPTULO 15.- EJERCICIOS

1.
Sea X una poblacin exponencial de parmetro conocido, desplazada para que
tenga su origen en el parmetro . Se extrae de ella una muestra de tamao n para
contrastar la hiptesis H0: = 0, contra la alternativa H1: 0 . Encontrar el test de la
razn de verosimilitudes que tenga extensin .
2.
Dada una muestra de tamao n de una poblacin de Bernoulli de parmetro p, (a)
Encontrar el test de la razn de verosimilitudes para contrastar la hiptesis H0: p = p0,
contra la alternativa H1: p p0 . (b) Qu valor de n se necesitar si p0 = 1/2 y la extensin
= 0.05, para que la potencia valga 0.99 en los puntos p = 0.4, 0.6? (utilizar la
aproximacin normal a la binomial).
3.
En un periodo de 72 horas de un largo fin de semana hay un total de 306 accidentes
mortales de circulacin. Los datos se distribuyen en la siguiente forma:
Num. accidentes por hora
Nmero de horas

01
4

2
10

3
15

4
12

5
12

6
6

7
5

8 o ms
7

Contrastar la hiptesis de que el nmero de accidentes por hora sigue una distribucin de
Poisson, al nivel del 5%. (aproximar el estimador de mxima verosimilitud del parmetro
con datos agregados por el nmero medio de accidentes por hora).
4.
Ante la consideracin de una nueva ley para su aprobacin, dos partidos polticos A y
B dejan libertad de voto a sus diputados, obtenindose el siguiente resultado:

Partido A
Partido B

Votos favorables
85
120

Votos contrarios
79
62

Abstenciones
40
26

Contrastar si hay diferencia de posicin ante la nueva ley entre ambos partidos polticos,
con un nivel del 10%.
5.
Se extrae una muestra de tamao 60 de una poblacin de Bernoulli de parmetro p1 y
se observan 18 xitos. De igual modo, se toma otra muestra de 100 elementos de otra
poblacin de Bernoulli de parmetro p2, independiente de la anterior, y se obtienen 42
xitos. (a) Encontrar el test de la razn de verosimilitudes para contrastar la hiptesis H0 de
que p1 = p2, contra la alternativa H1 de que p1 p2. (b) Si el nivel de confianza es del 5%,
qu resultado implica dicho test con respecto a las hiptesis anteriores? (aproximar el test
con la regin crtica asinttica).

16

Lecciones de inferencia estadstica

CAPTULO 16.- EJERCICIOS

1.
Se lanza 15 veces un dado, obtenindose una vez el resultado 2, cuatro veces el
resultado 3, otras cuatro veces el resultado 5, y seis veces el resultado 6. Contrastar con el
test de Kolmogorov-Smirnov la hiptesis nula de que el dado es equiprobable, con un nivel
de confianza del 5%.
2.
(a) Calcular la distribucin exacta del estadstico de Wilcoxon dado en (2.9) si n = 4.
Para ello, utilizar el hecho de que, siendo Zi las variables definidas en (2.8), los productos
iZi son variables dicotmicas sobre los valores i, 0, con probabilidad 1/2 en cada uno de
ellos; hallar despus la funcin generatriz de momentos de W4+ y desarrollarla en serie de
potencias de et, con lo que la P( W4+ = j) es el coeficiente de ejt en dicho desarrollo
(j=0,...,10). (b) Siguiendo el procedimiento anterior puede verse que el valor crtico al 10%
para Wn+ , cuando n = 10 es 0.40; utilizar este resultado para contrastar, al nivel 0.10, la
hiptesis de que la mediana m de una poblacin absolutamente continua y simtrica es m =
1, contra la alternativa de que m > 1, a partir de las observaciones de una muestra que
resultan ser: -5, -3, -1, 0, 2, 3, 4, 6, 7, 8 .
3.
Se muestrean dos marcas de neumticos para coches obteniendo las siguientes
duraciones, expresadas en miles de kilmetros:
Marca A
Marca B

32.1
19.8

20.6
27.6

17.8
30.8

28.4
27.6

19.6
34.1

21.4
18.7

19.9
16.9

30.1
17.9

Contrastar, a nivel 0.10 la hiptesis de que ambas muestras se pueden suponer originadas
por la misma poblacin (a) Utilizando el test de Kolmogorov-Smirnov. (b) Con el test de
Mann-Whitney-Wilcoxon. (suponer en ambos casos la aproximacin asinttica).
4.
Para un tamao muestral de n = 4, (a) Calcular todos los valores posibles que puede
tomar el coeficiente de correlacin de Spearman y las probabilidades con que los toma. (b)
Un juez otorga el siguiente orden a cuatro candidatos: 3, 4, 2, 1, mientras que otro juez
distinto da la siguiente ordenacin: 3, 1, 4, 2. Se pueden considerar independientes las
propuestas de ambos jueces? Utilizar los resultados del primer apartado, con un nivel de
confianza del 10%.
5.

Dadas las tres muestras siguientes:

Muestra A
Muestra B
Muestra C

.79

.40

.38

.82

.85

.50

.12

.92

.02

.40

.82

.64

.39

.84 .66

.52

.94

.75

.63

.51

.37

.22

.09

.26

.44

.68

.84

.85

.49

.11 .98

.83

.66

.68

.47

.33

.40

.19

.28

.34

.97

.95

.84

.77

.62

.54 .33

.48

Contrastar la hiptesis de que ambas provienen de la misma poblacin, con un nivel de

confianza del 10%, (a) utilizando el test de Kruskal-Wallis. (b) Agrupando los datos de
cada muestra en tres clases y formando una tabla de contingencia 3x3.