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


Ejercicios de Estadística Matemática: Principios de Reducción de Datos - Prof. Rabena, Ejercicios de Estadística Matemática

Este documento contiene ejercicios resueltos sobre principios de reducción de datos en estadística matemática. Se abordan temas como la función de versemblança, distribuciones exponenciales y poissonianas, y determinación de parámetros desconocidos. Es ideal para estudiantes de estadística o matemáticas.

Tipo: Ejercicios

Antes del 2010

Subido el 22/06/2007

xequebo2
xequebo2 🇪🇸

4

(212)

406 documentos

1 / 3

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
Estadística Matemàtica. Curs 2006-2007
Exercicis del Tema 3: Principis de reducció de dades
1. Calcular la funció de versemblança per a una mostra aleatòria de grandària n de cada
una de les poblacions següents:
a) N(µ,σ2)b) Exp(λ)c) Po(λ)d) Geo(π)
2. Proporcionar la funció de versemblança per a una mostra aleatòria de grandària n per
a un membre de la família exponencial:
f(x|θ) = B(θ) h(x) exp(Q(θ) R(x))
3. L’experimentador A observa un procés de Poisson amb intensitat λ i considera com a
observació el temps t0 que ha passat fins que ha ocorregut el succés k-èsim, on k és un
cert nombre prefixat amb anterioritat. L’experimentador B observa el mateix procés,
però prefereix prefixar amb antelació el temps que observa el procés en lloc del
nombre de successos. Si B prefixa t0 i resulta que observa precisament k successos,
demostrar que A i B tenen la mateixa funció de versemblança.
4. Es comença a observar n components electrònics simultàniament, es deté
l’observació en l’instant I. Es troba llavors que n-k continuen funcionant i que k s’han
avariat, coneixent-se exactament quan s'han produït les avaries. Suposant que els
temps d’avaries segueixen una distribució Exp(θ) determina la funció de
versemblança de θ.
5. La toxoplasmosis és una malaltia que pot ser transmesa a les persones pels gats. Per
a assignar la magnitud del perill potencial que suposa tindre gats en casa, un equip
d’epidemiòlegs va comprovar en una ciutat A, que de N gats estudiats n tenien
anticossos de toxoplasmosis, indicant que almenys una vegada havien contret la
malaltia. D’altra banda, en una ciutat B, es va observar que de M gats, m tenien
anticossos de toxoplasmosis. Se suposa que la probabilitat que un gat de la ciutat A
haja tingut toxoplasmosis és π i que aqueixa probabilitat per a un gat de B és π2,
determina la funció de versemblança de π.
6. El temps de vida, X, dels individus d’una certa població és una variable aleatòria
absolutament contínua amb funció de densitat: f(x | θ) = θ exp(-θ x) si x > 0, i val
zero en qualsevol altre cas. En una experiència es disposa de 10 individus, tots ells
nascuts en l’instant x = 0. S’efectua observacions de la supervivència en els instants x
= 1, x = 2 i x = 3, resultant que en l’instant x = 1 sobreviuen 8 individus, en l’instant x
= 2 sobreviuen 3 individus i en l’instant x = 3 han mort tots. Determina la funció de
versemblança de θ.
pf3

Vista previa parcial del texto

¡Descarga Ejercicios de Estadística Matemática: Principios de Reducción de Datos - Prof. Rabena y más Ejercicios en PDF de Estadística Matemática solo en Docsity!

Estadística Matemàtica. Curs 2006-

Exercicis del Tema 3: Principis de reducció de dades

1. Calcular la funció de versemblança per a una mostra aleatòria de grandària n de cada una de les poblacions següents: a) N( μ , σ 2 ) b) Exp( λ ) c) Po( λ ) d) Geo( π ) 2. Proporcionar la funció de versemblança per a una mostra aleatòria de grandària n per a un membre de la família exponencial:

f( x | θ ) = B( θ ) h( x ) exp(Q( θ ) R( x ))

3. L’experimentador A observa un procés de Poisson amb intensitat λ i considera com a observació el temps t 0 que ha passat fins que ha ocorregut el succés k-èsim, on k és un cert nombre prefixat amb anterioritat. L’experimentador B observa el mateix procés, però prefereix prefixar amb antelació el temps que observa el procés en lloc del nombre de successos. Si B prefixa t 0 i resulta que observa precisament k successos, demostrar que A i B tenen la mateixa funció de versemblança. 4. Es comença a observar n components electrònics simultàniament, es deté l’observació en l’instant I. Es troba llavors que n-k continuen funcionant i que k s’han avariat, coneixent-se exactament quan s'han produït les avaries. Suposant que els temps d’avaries segueixen una distribució Exp( θ ) determina la funció de versemblança de θ. 5. La toxoplasmosis és una malaltia que pot ser transmesa a les persones pels gats. Per a assignar la magnitud del perill potencial que suposa tindre gats en casa, un equip d’epidemiòlegs va comprovar en una ciutat A, que de N gats estudiats n tenien anticossos de toxoplasmosis, indicant que almenys una vegada havien contret la malaltia. D’altra banda, en una ciutat B, es va observar que de M gats, m tenien anticossos de toxoplasmosis. Se suposa que la probabilitat que un gat de la ciutat A haja tingut toxoplasmosis és π i que aqueixa probabilitat per a un gat de B és π 2 , determina la funció de versemblança de π. 6. El temps de vida, X , dels individus d’una certa població és una variable aleatòria absolutament contínua amb funció de densitat: f( x | θ ) = θ exp(- θ x ) si x > 0, i val zero en qualsevol altre cas. En una experiència es disposa de 10 individus, tots ells nascuts en l’instant x = 0. S’efectua observacions de la supervivència en els instants x = 1, x = 2 i x = 3, resultant que en l’instant x = 1 sobreviuen 8 individus, en l’instant x = 2 sobreviuen 3 individus i en l’instant x = 3 han mort tots. Determina la funció de versemblança de θ.

7. Suposem que X pot prendre únicament els valors 2, 3 i 4, amb probabilitats f( x | θ ) donades en la taula adjunta, on θ és un paràmetre desconegut que només pot prendre els valors θ 1 , θ 2 y θ 3.

x = 2 x = 3 x = 4 f( x | θ 1 ) 0.4^ 0.2^ 0. f( x | θ 2 ) 0.6^ 0.3^ 0. f( x | θ 3 ) 0.2^ 0.1^ 0.

Es defineixen els estadístics T 1 y T 2 com segueix: T 1 (4) = 0, T 1 (2) = T 1 (3) = 1; T 2 (2) = 0, T 2 (3) = T 2 (4) = 1. ¿Son suficients?

8. Per a una mostra aleatòria de grandària n d’una població de Poisson, calcular la distribució condicional en l’espai mostral donada la suma mostral, i demostrar així que la suma mostral és suficient. 9. Siga X una observació d’una població N(0, σ 2 ). Comprovar si |X| és un estadístic suficient per a aqueixa mostra de grandària n = 1. 10. Siguen X 1 ,…, Xn n variables aleatòries independents amb densitats donades per

l’expressió:: f (^) Xi ( xi | θ ) = exp( iθ− x (^) i ) si xi > , i val zero en qualsevol altre cas ( i =1, …, n ). Comprovar que un estadístic suficient per a θ és T = min i ( X (^) i / i ).

11. Siga X 1 ,…, Xn una mostra aleatòria de la funció de densitat de probabilitat donada

per f( x | μ, σ ) = σ --1^ exp( − ( x - μ ) / σ ) si μ < x y 0 < σ , i ren el valor de zero en qualsevol altre cas. Trobar un estadístic suficient bidimensional per a ( μ , σ ).

12. Siguin X 1 ,…, X (^) n variables aleatòries independents i idènticament distribuïdes amb funció de probabilitat o funció de densitat de probabilitat f( x | θ ). Suposem que f( x | θ ) pertany a la família exponencial de k paràmetres, la funció de densitat de la qual ve donada per: :

f( x | θ ) = B( θ ) h( x ) exp( Q 1 ( θ ) R 1 ( x ) + … + Q k ( θ ) R k ( x ) )

Comprovar que un estadístic conjuntament suficient ve donat per:

T ( X 1 ,…, X (^) n ) = ( ,…, )

13. Sequin X 1 ,…, X (^) n variables aleatòries independents, amb funcions de densitat de

probabilitat donades perf (^) Xi ( xi | θ ) = (2 ) -1^ si – i ( θ − 1) < xi < i ( θ + 1), i val zero en qualsevol altre cas ( i =1,…, n ). Trobar un estadístic suficient unidimensional per a θ.

14. Siga X 1 ,…, Xn una mostra aleatòria d'una població Ga( α , β ). Trobar un estadístic suficient bidimensional per a ( α , β ).

stadística Matemàtica. Curs