6.

Estimadores Puntuales  – Ejercicios Resueltos

ANÁLISIS ESTADÍSTICO

          

1.- La resistencia de una plancha es una variable aleatoria continua X cuya función de

 
densidad es:
es: , con
 
desconocido. Sea (        
. Su función de distribución de probabilidad
) una m.a. (n) de X, determine el
estimador máximo verosímil de .
Sobre la base de una muestra aleatoria de 5 planchas, las resistencias observadas fueron: 0,5;
0,5; 0,8; 0,9 y 1. Determine la probabilidad que una plancha, elegida al azar, tenga resistencia
inferior a 0,7.

1) Solución: La primero que debemos hacer es calcular la “ función

función de verosimilitud ” 
”,  lo que se lleva a
cabo, por medio de la siguiente fórmula:

                     
              
Luego, tenemos que determinar el logaritmo natural de    
, como se muestra a continuación:

               

       
      
    
En seguida, se obtiene el valor de   que maximiza
respecto a los parámetros desconocidos  e igualando
, lo que se logra derivando
igualando a cero dicha derivada,
derivada, es decir:
    con

                          

Después, se despeja  de la expresión anterior, para así obtener el estimador máximo verosímil de  ,
como se ve a continuación:
          


          
Posteriormente, sobre la base de la muestra aleatoria de 5 planchas, calculamos el valor de

Finalmente, calculamos probabilidad requerida por el ejercicio:


        
R e s p u e s t a : La probabilidad que una plancha, elegida al azar, tenga resistencia inferior a 0,7, es igual
a 0,4218.

Alejandro González Tapia – Ingeniería Civil en Minas Página 111

 6. Estimadores Puntuales  – Ejercicios Resueltos
ANÁLISIS ESTADÍSTICO

2.- En una fábrica se ha medido el tiempo X, en horas, transcurrido entre dos detenciones
provocadas por averías en las máquinas, en una muestra aleatoria se obtuvo los siguientes
tiempos: 3, 1, 7, 3, 8, 11, 7, 1, 8, 4 en horas. Se sabe que la función de distribución que sigue
dicho tiempo es
          
2.1) Sea         
una muestra aleatoria de X, con β desconocido, determine el estimador
máximo verosímil del parámetro β.
2.2) ¿Cuál la probabilidad de que en la fábrica transcurran más de 8 horas sin averías?

2.1) Solución: Sabemos que la derivada de la función de distribución, es igual a la función de

densidad, es decir:

            

   
Luego, definimos la “ función de verosimilitud ”:

      
       
      
Determinamos el logaritmo natural de   
:

             
 
 
               
Derivando con respecto a , e igualamos a cero:

            

Despejamos  
, quedando de la siguiente forma:

                 
Página 112 Alejandro González Tapia – Ingeniería Civil en Minas
 6. Estimadores Puntuales  – Ejercicios Resueltos
ANÁLISIS ESTADÍSTICO

2.2) Solución: Utilizando la muestra que nos proporciona el ejercicio, calculamos el Estimador Máximo
Verosímil, como se ve a continuación:

                     
En seguida, determinamos la probabilidad que nos solicita el problema:

      

R e s p u e s t a : La probabilidad de que en la fábrica transcurran más de 8 horas sin averías, es igual a
0,188.


3.- La distancia   entre un árbol cualquiera y el árbol más próximo a él, en un bosque, sigue
una distribución de Rayleigh con función de densidad:

  
    

     
         
 
        
3.1) Determine el estimador máximo verosímil 
, a partir de una muestra aleatoria de 
, de

   
tamaño 50, obtenida la siguiente información.
  
   
3.2) Determine si el estimador   es insesgado.

3.1) Solución: Definimos la “ función de verosimilitud ”, la que está dada por:


       
       
           
       
   
 
          
  
Calculamos el logaritmo natural de      
:

 
                    
 

Alejandro González Tapia – Ingeniería Civil en Minas Página 113

 6. Estimadores Puntuales  – Ejercicios Resueltos
ANÁLISIS ESTADÍSTICO

 A continuación, derivamos     

, con respecto a  e igualamos a cero, es decir:

        

          
Luego, con la información que nos brinda el ejercicio, calculamos el valor de 
 
      
3.2) Solución: Sabemos que para que estimador 
 sea insesgado, se debe cumplir que la esperanza

        

de estimador sea igual al estimador, es decir:
    
    
    
      
Luego, determinamos por medio de propiedades la esperanza de  , de la siguiente forma:


            
         
Posteriormente, calculamos la expresión antes definida:

      
        
  
Finalmente, como se cumple la igualdad, el estimador es insesgado.

4.- Sea        
, muestra aleatoria de una población
4.1) Encuentre el estimador máximo verosímil de α.
      
 y desconocido:

4.2) Si las observaciones de una muestra aleatoria para la variable X son: 1,1; 0,9; 1,4; 1,2;
0,7. Estime la probabilidad de que la variable aleatoria no sea inferior a 1.

4.1) Solución: Lo primero que debemos hacer es definir la función exponencial con variable α, la que
se expresa de la siguiente forma:
       
Determinamos la “ función de verosimilitud ”:

       
                         
Página 114 Alejandro González Tapia – Ingeniería Civil en Minas
 6. Estimadores Puntuales  – Ejercicios Resueltos
ANÁLISIS ESTADÍSTICO

En seguida, calculamos el logaritmo natural de      

:

          

Derivando e igualando a cero:
         
      
  
4.2) Solución: Utilizando los datos de la muestra aleatoria que nos entrega el problema,
determinamos el estimador puntual :

      
 
               
R e s p u e s t a : En base a la muestra aleatoria, la probabilidad estimada de que la variable aleatoria no
sea inferior a 1, es igual a 0,3893.

5.- Sea
varianza
      
2
  muestra aleatoria proveniente de una distribución normal con media µ y
, cuya función densidad es:

     
  
                
Se propone a las siguientes estadísticas como estimadores de µ:

       

5.1) Pruebe si estos estimadores son insesgados e indique cual es más eficiente.
5.2) Encuentre el estimador máximo verosímil de µ.
5.3) Compare el estimador obtenido por el método de máxima verosimilitud con los dos
propuestos, ¿Cuál es mejor estimador para µ? Justifique su respuesta.

 puntual es igual al estimador puntual, sabiendo que la media y la varianza de

respectivamente, como se ve a continuación:
  
5.1) Solución: Lo primero que debemos corroborar es, si se cumple que la esperanza del estimador
es µ y 2,

Alejandro González Tapia – Ingeniería Civil en Minas Página 115

 6. Estimadores Puntuales  – Ejercicios Resueltos
ANÁLISIS ESTADÍSTICO

          

  
 
         
Es decir, ambos estimadores puntuales de µ son insesgados.
En seguida, debemos determinar la varianza de cada uno de los estimadores, para así ver cuál de los
dos estimadores es más eficiente:

          

                 
 
  

           



Debido a que   

 es menor que
eficiente que el estimador puntual .
, se llega a la conclusión que el estimador puntual   es más


5.2) Solución: En este ítem lo primero que debemos hacer es definir la “ función de verosimilitud ”:

      

   
        
 
      
   
 
Calculamos el logaritmo natural de    :


              
Derivamos e igualamos a cero:

                   

              
  
5.3) Solución: Empezamos por determinar si el estimador puntual de
anterior es insesgado, lo que llevamos a cabo de la siguiente forma:

 que determinamos en el ítem

       

Página 116 Alejandro González Tapia – Ingeniería Civil en Minas
 6. Estimadores Puntuales  – Ejercicios Resueltos
ANÁLISIS ESTADÍSTICO


Por lo tanto, el estimador puntual de   es insesgado, luego, determinaremos la varianza de dicho
estimador, para ver si mejor estimador, como se ve a continuación:

         

 
En seguida, como la varianza de   es menor en comparación a las varianza de
que el estimador puntual, , es más eficiente, es decir, mejor.

   e , se concluye


6.- En un estacionamiento el número de veces ( ) que se debe subir la barrera en un intervalo
de 10 minutos, para que pasen vehículos en un sector de alta seguridad, se considera una
variable aleatoria con distribución de Poisson de parámetro λ desconocido.

6.1) En una muestra aleatoria de 8 intervalos de 10 minutos cada uno, elegidos en forma
independiente, se registra para cada intervalo el valor que toma la variable en estudio . 
3  5 8 7
Encuentre la estimación máximo verosímil de λ.
4 5 6 2

6.2) Sea
Si
     
 una muestra aleatoria tamaño n de
; son estimadores del parámetro
  ~ Poisson( )
. Determine cuál de ellos es
el mejor estimador del parámetro .


6.1) Solución: Utilizaremos la siguiente variable:
“Número de veces que se debe subir la barrera en un intervalo de 10 minutos, para que pasen
vehículos en un sector de alta seguridad” 

Luego, sabemos que dicha variable tiene una distribución de Poisson, como se muestra a
continuación:

              

 
    
 

   
En seguida, definimos la “ función de verosimilitud ”:

         


 
    
 
       
   

                  
  
 
 
 
 
 

Determinamos el logaritmo natural de       

  :

 
  

                 
      

Alejandro González Tapia – Ingeniería Civil en Minas Página 117

 6. Estimadores Puntuales  – Ejercicios Resueltos
ANÁLISIS ESTADÍSTICO

Derivando e igualando a cero:

         

 

           
 

   
 

En seguida, utilizando la muestra aleatoria, obtenemos el valor del estimador máximo verosímil, como
se ve a continuación:

  
 
  
 
R e s p u e s t a : En una muestra aleatoria de ocho intervalos de 10 minutos cada uno, elegidos en forma
independiente, la estimación máxima verosímil corresponde a 5.

6.2) Solución: Lo primero que se debe hacer es determinar si estos estimadores son o no insesgados,

     

lo que se sabe si se cumple que la esperanza del estimador es igual al mismo estimador, es decir:

 
 
 

    

 
             
 

Por lo tanto, ambos estimadores son insesgados. Entonces, el paso a seguir es determinar la
varianza de cada estimador puntual, lo que se hace de la siguiente manera:

        

 
   

         

 
 
 

mejor estimador es   
muestra es igual a uno, el estimador más eficiente es
.

En conclusión, la efectividad de los estimadores depende del tamaño de la muestra, ya que, si la
   , en cambio, si la muestra es mayor a uno, el

7.- Sea  

con media
         
 una muestra aleatoria de una variable aleatoria con distribución Normal
 y varianza .
Se proponen los siguientes estimadores:

     
Determine cuál es el mejor estimador para  . Justifique su respuesta.

Página 118 Alejandro González Tapia – Ingeniería Civil en Minas

 6. Estimadores Puntuales  – Ejercicios Resueltos
ANÁLISIS ESTADÍSTICO

7) Solución: Debemos determinar si los estimadores que nos proponen son o no insesgados, como se
muestra a continuación:

   
         
Debido a que ambos estimadores propuestos son sesgados, se debe determinar el sesgo o error del
estimador, lo que se calcula con la siguiente fórmula:

  
        
      

En seguida, calculamos la varianza de cada uno de lo estimadores propuestos:

     

      
Finalmente, calculamos el error cuadrático medio del estimador, para así saber cuál de los dos
estimadores puntuales es mejor, lo que se realiza con la siguiente fórmula:

                
       

     
R e s p u e s t a : Debido a que el error cuadrático medio de
de , se concluye que el mejor estimador para , es
 
 es menor que el error cuadrático medio
.

  
8.- Sea   la variable aleatoria continua, que indica el tiempo de desintegración de un átomo,

      

con distribución exponencial truncada con parámetro
aquellos valores de  superiores a . Sea (
( > 0) es decir, que toma sólo
una muestra aleatoria tamaño n de . 
8.1) Determine el estimador máximo verosímil de
probabilidad de la exponencial truncada es:

, si la función de distribución de

  

8.2) Encuentre la estimación puntual del parámetro a para el valor   cuando se ha
observado los siguientes tiempos de desintegración de un átomo (u.t.): 3, 7, 5, 8, 4, 1, 5,
 
2, 9 y 6.

Alejandro González Tapia – Ingeniería Civil en Minas Página 119

 6. Estimadores Puntuales  – Ejercicios Resueltos
ANÁLISIS ESTADÍSTICO

8.1) Solución: Sabemos que la derivada de la función de distribución es igual a la función de

densidad, es decir:
         
    
En seguida, definimos la “ función de verosimilitud ”:

    
          
        
 Aplicamos logaritmo natural:
      
       
Derivando e igualando a cero:

           

               
  
                                        
 
8.2) Solución: Considerando la muestra que nos entrega el ejercicio, tenemos que:

                                      

 
Reemplazando:
    
                                            
R e s p u e s t a : La estimación puntual del parámetro
observaciones dadas por el problema, es igual a 0,25.
   para el valor   , con las diez

Página 120 Alejandro González Tapia – Ingeniería Civil en Minas

 6. Estimadores Puntuales  – Ejercicios Resueltos
ANÁLISIS ESTADÍSTICO

9.- Sea     

  una muestra aleatoria de , distribuida según   
, con   desconocido.

        

Donde  representa el tiempo máximo necesario para terminar un proceso, en segundos:

  

9.1) Determine el estimador máximo verosímil de .

9.2) En base a una muestra aleatoria de , determine la estimación máximo verosímil de ,
donde la muestra está constituida por los siguientes datos: 0,7; 0,9; 0,6; 0,8; 0,9; 0,7;

0,9; 0,8. Estime la probabilidad del tiempo máximo necesario para terminar un proceso,
no exceda los 0,5 segundos, ni supere los 0,75 segundos.
9.3) Determine el estimador máximo verosímil de: a)   
. b)

9.1) Solución: Determinamos la “ función de verosimilitud ”:


      
             
        
En seguida, calculamos el logaritmo natural de     
:

         

                  
 
Derivamos e igualamos a cero:

             

           
9.2) Solución: Determinamos el estimador máximo verosímil de  , con los datos de la

    
muestra que nos entrega el ejercicio:

    

Luego, estimamos que la probabilidad de

Alejandro González Tapia – Ingeniería Civil en Minas Página 121

 6. Estimadores Puntuales  – Ejercicios Resueltos
ANÁLISIS ESTADÍSTICO

   

             
  

R e s p u e s t a : En base a una muestra aleatoria de , que nos otorga el ejercicio, el estimador
máximo verosímil de , corresponde a 3,0271, y al estimar que la probabilidad d el tiempo
máximo necesario para terminar un proceso, no excede los 0,5 segundos, ni supera los 0,75
segundos, es igual 0,3102.

9.3) Solución: Debido a que determinamos 

, que corresponde al estimador máximo verosímil de ,
 por lo tanto, las expresiones pedidas las calculamos por medio de propiedades:

a)        
  
b)  ––       
 ––

Página 122 Alejandro González Tapia – Ingeniería Civil en Minas