

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Prepara tus exámenes
Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Prepara tus exámenes con los documentos que comparten otros estudiantes como tú en Docsity
Encuentra los documentos específicos para los exámenes de tu universidad
Estudia con lecciones y exámenes resueltos basados en los programas académicos de las mejores universidades
Responde a preguntas de exámenes reales y pon a prueba tu preparación
Consigue puntos base para descargar
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Comunidad
Pide ayuda a la comunidad y resuelve tus dudas de estudio
Ebooks gratuitos
Descarga nuestras guías gratuitas sobre técnicas de estudio, métodos para controlar la ansiedad y consejos para la tesis preparadas por los tutores de Docsity
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
1 / 3
Esta página no es visible en la vista previa
¡No te pierdas las partes importantes!


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 > iθ , 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: :
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 iθ ) -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