Docsity
Docsity

Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity


Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium


Orientación Universidad
Orientación Universidad


PARCIAL SIM ESTADISTICA, Exámenes de Estadística

Parcial 2 simulacion del modelo

Tipo: Exámenes

2022/2023

Subido el 21/11/2023

santiago-hernandez-gomez
santiago-hernandez-gomez 🇨🇴

2 documentos

1 / 5

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
Brayan Steeven Conde/ 20181015069
Johan Stiven Rojas/20181015053
Parcial 3/simulación estadística
1. Se quiere estimar el metro cuadrado esperado de inmuebles, pero solo se cuenta una muestra
de tamaño tres de metros cuadrados 80, 94 y 87. Use Estadística Bayesiana y Metrópolis
Hasting para estimar el metro cuadrado esperado dada la información de la muestra tamaño
tres. Como sugerencia para la muestra asuma modelo exponencial negativo y para el metro
cuadrado asuma un modelo uniforme continuo teniendo en cuenta que el valor mínimo que
puede tomar el metro cuadrado es 75 y el valor máximo 105. La estimación debe ir
acompañada junto con su respectivo cálculo de la variabilidad, confianza y error.
X= (80,94,87)
A priori:
xiexp (θ)
f
(
xi
)
=1
θe
1
θx,xi={80,94,87 }
θ=unif (75,105)
A posteriori:
L
(
θX
)
=1
θ3e
1
3
xi
θ=1
θ3e
261
θ
α
(
θt,
)
=¿
min=
{
1,
1
e
261
1
30
1
θ
e
261
θ1
30
}
min=
{
1,
(
θ
)
3
e
261
(
1
1
θ
)
}
Implementación en código:
pf3
pf4
pf5

Vista previa parcial del texto

¡Descarga PARCIAL SIM ESTADISTICA y más Exámenes en PDF de Estadística solo en Docsity!

Johan Stiven Rojas/ Parcial 3/simulación estadística

  1. Se quiere estimar el metro cuadrado esperado de inmuebles, pero solo se cuenta una muestra de tamaño tres de metros cuadrados 80, 94 y 87. Use Estadística Bayesiana y Metrópolis Hasting para estimar el metro cuadrado esperado dada la información de la muestra tamaño tres. Como sugerencia para la muestra asuma modelo exponencial negativo y para el metro cuadrado asuma un modelo uniforme continuo teniendo en cuenta que el valor mínimo que puede tomar el metro cuadrado es 75 y el valor máximo 105. La estimación debe ir acompañada junto con su respectivo cálculo de la variabilidad, confianza y error. X= (80,94,87) A priori: xi exp (θ)

f ( xi ) =

θ e − 1 θ x , x i={80,94,87^ } θ=unif (75,105) A posteriori: L ( θ∨ X )=

θ 3 e −∑ 1 3 xi θ (^) = 1 θ 3 e − 261 θ

α (^ θ

t

min=

e − 261 (^) ∗ 1 30 1 θ e − 261 θ ∗ 1 30

min={ 1 ,(

θ ) 3 e − (^261) ( (^) ^1 − (^1) θ )

Implementación en código:

Johan Stiven Rojas/ Parcial 3/simulación estadística Respuesta: Basados en una muestra tamaño 3, se espera una cantidad 90,01 de metros cuadrados de inmuebles, en un intervalo de confianza (89.75863, 90.27142), error de 0.2563927.

  1. Asumiendo que Y es uniforme continuo con parámetro mínimo 1 y con parámetro máximo 5X y X es Poisson con media 6, usar la técnica MCMC Gibbs Sampler, estimar el valor esperado de Y, el valor esperado de 6X+3Y, y la probabilidad conjunta de que X>4 e Y >16. Incluir solo confianza y error en cada estimación. Definiendo los intervalos de las variables: 0 ≤ x< ∞ 1 ≤ y ≤ 5 x

Johan Stiven Rojas/ Parcial 3/simulación estadística Donde se agrega una condición que permite hacer 0 el valor Y, en caso que el valor generado con Poisson sea 0 debido a que la distribución uniforme permite únicamente valores a partir de 1. Ahora si es posible hallar: P( x > 4 , y> 16 ) La estimación o valor de laintegral :

Johan Stiven Rojas/ Parcial 3/simulación estadística Tenemos un error bastante considerable, por lo que se puede decir que este valor no es muy confiable, porque si comprobamos la integral por software matemático se encuentra que diverge.