Universidad Diego Portales

Departamento de Economa

AYUDANTA 1
Profesor: Andrs Elberg
Ayudante: Stefano Zecchetto
3 de abril 2013

1. Ejercicio

Sea Y1 , Y2 , ....., Yn un conjunto de n variables aleatorias incorrelacionadas con una media comn y una
misma varianza 2 . Denotemos por Y a la media muestral.
a) Denir la clase de estimadores lineales de como
Wa = a1 Y1 + a2 Y2 + ..... + an Yn

Siendo las ai unas constantes. Que restriccin debemos imponer sobre los ai para que Wa sea un estimador
insesgado de ?
Calculamos el valor esperado del estimador para ver si es insesgado, tenemos entonces que:
E(Wa ) = a1 E(Y1 ) + a2 E(Y2 ) + ...... + an E(Yn ) = a1 + a2 + ..... + an = (a1 + a2 + ..... + an )
n
X

por lo tanto podemos escribir E(Wa ) =

por lo tanto necesitamos suponer que

n
X

i=1

cumpla que
E(Wa ) =

ai

ai = 1 para que se

i=1

por lo tanto sea insesgado.

b) Calcular la Varianza de Wa
V ar(Wa ) = a21 V ar(Y1 ) + a22 V ar(Y2 ) + ..... + a2n V ar(Yn ) = a21 2 + a22 2 + ...... + a2n 2 = 2 (a21 + a22 + ..... + a2n )
V ar(Wa ) = 2

n
X

a2i

i=1

c) Para cualquier conjunto de nmeros a1 , a2 , ....., an , se cumple la siguiente desigualdad:

(a1 + a2 + .... + an )2 /n a21 + a22 + ..... + a2n

Utilizar esta informacin, junto con la informacin de los puntos

a) y b) para demostrar que

1
V ar(Wa ) V ar(Y ) siempre que Wa sea insesgado. Recordar que Y = (Y1 + Y2 + ..... + Yn )
n

Universidad Diego Portales

Departamento de Economa

Podemos escribir el lado izquierdo de la desigualdad como:

(a1 + a2 + ..... + an )2 /n =

n
X

!2
ai

/n =

i=1

1
n

y el lado derecho como: a21 + a22 + .... + a2n =

debido a que
n
X

n
X

ai = 1

i=1

en consecuencia

a2i

i=1

Ahora calculamos la varianza del promedio muestral V ar(Y ) =

X
1

a2i
n
i=1

1
[V ar(Y1 ) + V ar(Y2 ) + ..... + V ar(Yn )]
n2


1 
1
1
V ar(Y ) = 2 2 + 2 + ..... + 2 = 2 n 2 = 2 .
n
n
n

Entonces concluimos que

n
X
1 2
2
a2i
n
i=1

lo cual es lo mismo que V ar(Y ) V ar(Wa )

2. Ejercicio

Supongamos que tenemos dos variables aleatorias positivas X e Y siendo E(Y | X) = X. El parmetro desconocido
recoge como cambia el valor esperado de Y cuando cambia X

a) Denimos la variable aleatoria Z =

Y
X

Demostrar que E(Z) = para esto primero demostrar que

E(Z | X) = para utilizar la ley de esperanzas iteradas.

Denimos la funcin a(X) =

1
X

por lo tanto podemos escribir Z = a(X)Y

para poder aplicar la siguiente

propiedad de esperanzas condicionales:

E [a(X)Y | X] = a(X)E [Y | X]
E(Z | X) =

1
E(Y | X)
X

E(Z | X) =

1
X =
X

entonces para nuestro ejercicio escribimos

ahora debemos apelar a la ley de esperanzas iteradas que dice lo siguiente: E [E(Y | X)] = E(Y ) para nuestro
ejemplo tenemos
E [E(Z | X)] = E() =

b) Utilizar la parte a) para demostrar que el estimador W1 = n1

i=1

siendo {(Xi , Yi ) : i = 1, 2, ....., n} una muestra aleatoria

n

Notar que: W1 =

1X
Zi
n i=1

n
X
(Yi /Xi ) es un estimador insesgado de

entonces
2

Universidad Diego Portales

Departamento de Economa

1
(Z1 + Z2 + ..... + Zn )
recordar E(Z) =
n
1
1
1
E(W1 ) = (E(Z1 ) + E(Z2 ) + ..... + E(Zn )) = ( + + .... + ) = n =
n
n
n
W1 =

c) Explicar porque el estimador W2 = Y /X (en donde las barras son las medias muestrales) no es el mismo que
W1 .No obstante demostrar que el estimador W2 es un estimador insesgado de .

Podemos escribir W2 =

1X
Yi
n i=1
n

1X
Xi
n i=1

n
X

i=1
n
X

n
X
(Yi /Xi )

Yi
6=
Xi

ac podemos notar que es diferente a W1

i=1

i=1

Para demostrar insesgamiento usamos nuevamente la ley de esperanzas iteradas. Entonces tenemos lo siguiente:
E(Z) = E [E(Z | X) | X]

n
X
X
Yi
Yi

1
i=1

i=1

| X | X = E
E
E(W2 ) = E n
n
n
X
= E E X
X

Xi
Xi
Xi
i=1

Esto es igual a:

i=1

1
n
X

n
X

Xi =

n
X
i=1

!
Yi | X

| X = E
n
X

Xi

i=1

n
X

!
E(Yi | X)

i=1

i=1

es importante recordar que cuando una variable aleatoria esta condicionada

Xi i=1

i=1

consigo misma se trata como una variable ja, es por eso que la sumatoria de los Xi puede salir de la esperanza

3. Ejercicio

Supongamos que el gobernador del estado nos contrata para realizar un estudio acerca de si los impuestos sobre
el alcohol han provocado una reduccin en el consumo medio de bebidas alcohlicas en nuestro estado. Supongamos
que somos capaces de obtener, para una muestra de individuos elegidos al azar, la diferencia en el consumo de
bebidas alcohlicas durante los aos previos y posteriores a la introduccin del impuesto. Para el individuo i,
elegido aleatoriamente en la poblacin, denotaremos por Yi el cambio en el consumo de bebidas alcohlicas. Tratar
a estas diferencias como una muestra aleatoria extrada de una distribucin Normal (, 2 ).

a) La hiptesis nula es que no se ha producido ningn cambio en el consumo medio de bebidas alcohlicas.
3

| X

Universidad Diego Portales

Departamento de Economa

Formular hiptesis formalmente en trminos de

H0 : = 0

b) La alternativa es que se ha producido una disminucin en el consumo de bebidas alcohlicas, formular esta
hiptesis alternativa en trminos de
H1 : < 0

c) Supongamos ahora que el tamao muestral es n = 900 y obtenemos las siguientes estimaciones: y = 32.8 y
s = 466.4

Calcular el estadstico t para contrastar H0 contra H1 , obtener el p-valor de este contraste (Hint: Utilizar
distribucin normal tipicada tabulada en la tabla dado que el tamao muestral es grande) Podemos rechazar H0
a un nivel de signicancia del 5%? y a un nivel del 1%?.
32, 8
= 2, 11
para este valor podemos ver en la tabla de la
15, 546
distribucin normal que la probabilidad acumulada P (Z < 2, 11) = 0, 0174 este es el p - valor.

Calculamos el estadstico t =

s/ n

t=

El valor crtico en este caso es de -1,64 al 5% de signicancia como el valor calculado -2,11 es menor al crtico
entonces se rechaza H0 al 5% de signicancia.
al nivel de 1% de signicancia el valor crtico es de -2,32 entonces en este caso -2,11 es mayor y por lo tanto no
se rechaza H0 .

d) Se dira que la disminucin estimada en el consumo es de una gran magnitud? Comentar tanto la signicancia
prctica como estadstica de esta estimacin
Desde un punto de vista prctico no podemos saber con certeza si la disminucin es de gran magnitud. La
signicancia estadstica no implica necesariamente signicancia prctica. Se debe considerar que una debilidad del
test t es que en muestras grandes se rechaza H0 con una probabilidad cercana a 1.

e) Que supuestos implcitos se han empleado en este anlisis acerca de otros posibles determinantes del consumo
de alcohol, a lo largo de los periodos considerados, para poder decir algo acerca de la causalidad del cambio de
impuestos sobre el consumo de bebidas alcohlicas?.
Bsicamente de que las otras variables que afectan al consumo de bebidas alcohlicas es que se mantienen
constantes, dado que en este ejemplo estamos contrastanto una hiptesis en relacin al efecto ceteris paribus del
4

Universidad Diego Portales

Departamento de Economa

impuesto sobre el consumo de bebidas alcohlicas.

4. Ejercicio

Supongamos que un dictador militar en un determinado pas convoca un plebiscito (un voto a favor o en contra)
y asegura que ha recibido el apoyo de un 65% de los votantes. Un grupo de derechos humanos sospecha que se ha
producido un fraude y nos contratan para que contrastemos la validez de la armacin del dictador. Supongamos
que disponemos de un presupuesto que nos permite realizar un muestreo aleatorio de 200 votantes del pas.

a) Sea X el nmero de votos a favor obtenidos del muestreo aleatorio efectuado a 200 votantes del total de
votantes de la poblacin. Cual ser el valor esperado de X si en realidad el 65% de todos los votantes apoyaron
al dictador?
Tenemos que para este caso X se distribuye Binomial (200, 0,65). El valor esperado de una variable binomial
es:
E(X) = n siendo la probabilidad de que una persona vota a favor en este caso. Por lo tanto tenemos que:
E(X) = 200 0, 65 = 130

b) Cual es la desviacin estandar de X si seguimos suponiendo que el verdadero porcentaje de votantes que
apoyaron al dictador fue de 65%?
V ar(X) = n(1 )
V ar(X) = 200 0, 65(1 0, 65) = 45, 5 = sd(X) = 6, 75

c) Supongamos que a partir de la muestra aleatoria de 200 votantes con las que estamos trabajando, comprobamos que 115 personas han votado a favor. Utilizar el teorema central del lmite para aproximar la probabilidad
de encontrar 115 o menos votos armativos a partir de la muestra de 200 si, en realidad el 65% de la poblacin vot
a favor
Con el teorema central del lmite tenemos que a medida que la muestra crece la distribucin de la variable
aleatoria se aproxima a una normal estandar. Por lo tanto tenemos simplemente que:

P (X < 115) = P


X 130
115 130
<
= P (Z < 2, 22) = 0, 13
6, 75
6, 75

Universidad Diego Portales

Departamento de Economa

d) Como explicaramos la importancia del valor obtenido en el punto c) a alguien que no este familiarizado con
la estadstica?
La evidencia es bastante fuerte contra la aprobacin del dictador. Si el 65% de los votantes realmente votaron si
en el plebiscito, existe solo un 1,3% de probabilidades de obtener 115 votantes o menos que votaron si, de los 200.