Beruflich Dokumente
Kultur Dokumente
Como disponemos de una m.a.s. (x1 , . . . , x200 ) y el tamaño muestral n = 200 es sucien-
temente
Pn grande, estamos 2en condiciones de aplicar el teorema central del límite para obtener
que i=1 Xi ∼ ˙ N (nµ, nσ ) = N (4000, 5000).
Podemos considerar
P el benecio obtenido por la parcela en euros como una variable aleato-
ria B = (k − 0.6) 200 i=1 Xi − 550, donde k es la constante requerida, el precio por kilogramo
en euros. Al ser combinación lineal de una variable aproximadamente Normal se tiene que
B∼ ˙ N (µb = (k − 0.6)4000 − 550, σb2 = (k − 0.6)2 (5000)).
µ ¶
1200 − (k − 0.6)4000 + 550
p (B > 1200) = 0.95 ⇔ p Z > √ = 0.95 ⇔
(k − 0.6) 5000
4150 − 4000k
⇔ √ = −1.645 ⇔ k = 1.0506,
(k − 0.6) 5000
B−µb
donde Z = σb
˙ N (0, 1).
∼
3. a) Los dos investigadores tendrán la misma abilidad para con sus conclusiones dada la
suciencia del estadístico total para la inferencia sobre θ bajo el modelo F (x, θ).
a) La media de una distribución Poisson resulta igual al parámetro de la misma, de modo que
el estimador máximo verosímil de la media se obtiene maximizando la función de verosimilitud
del parámetro λ de la distribución Poisson,
20 20 P20
Y Y λ xi λ i=1 xi
l(λ) = f (xi ; λ) = exp(−λ) = exp(−20λ) Q20 .
i=1 i=1
xi ! i=1 xi !
¡P20 ¢ Q
De modo que la log-verosimilitud es log l(λ) = −20λ + i=1 xi log λ − log 20
i=1 xi ! y
P20
d log l(λ) xi
su primera derivada resulta dλ
= −20 + i=1
λ
, que igualada a cero proporciona la
P20
i=1 xi
solución λ̂ = 20
= x = 15. Esta solución es efectivamente el máximo de log l(λ) (y por
la inyectividad de la función
P
logarítmica, también de l(λ)), pues hace negativa su segunda
2 20
x
derivada, d log
dλ2
l(λ)
= − i=1
λ2
i
< 0, ∀λ > 0, luego la media muestral X es el estimador máximo
verosímil de la media λ de una población Poisson y, en este caso, x = 15 es la estimación
máximo verosímil.
La cota de Kramer-Rao
h 2 es iguali al inverso de la información de Fisher que podemos obtener
d log f (x1 ,...xn ; λ)
como I(λ) = −E 2 . Para el caso Poisson que nos ocupa adquiriría la forma
h P20 i dλ
xi
I(λ) = −E − i=1 λ2
= 20λ
λ2
= 20 λ
λ
. Y efectivamente su inverso, 20 , coincide con la varianza
de la media muestral
³ Pn toda vez que ésta es igual a la varianza poblacional entre el tamaño
´
i=1 xi
P 2
muestral, V ar n
= n12 ni=1 V ar(xi ) = n12 nσ 2 = σn .
H0 : X e Y independientes
H1 : no H0 .
Bajo ciertas condiciones genéricas y para tamaños muestrales grandes se tiene que
s ¡
r X
X ni· n·j ¢2
nij −
Q= ni· n·j
n
˙ χ2(r−1)(s−1) .
∼
i=1 j=1 n
y como se tiene que el cuantil, χ2(3−1)(3−1),0.005 = χ24,0.005 = 14.86 < 37.4573 = q , la de-
cisión es RECHAZAR H0 para un nivel de signicación del 0.5% y evidentemente también
para cualquiera de los habituales. Consecuentemente, se concluye que el destino del tranvía
elegido por el usuario sí que está relacionado con la parada utilizada.
Como la muestra no puede ser considerada de tamaño elevado se tiene que suponer Nor-
√
malidad para la población, esto es, X ∼ N (µ, σ 2 ), de donde n − 1 X−µ
S
∼ tn−1 .
Hemos de hallar el nivel de signicación crítico del contraste de hipótesis
H0 : µ ≤ µ0 = 1200
H1 : µ > µ0 = 1200.
s 174
Resolviendo la ecuación para α, x = µ0 +tn−1,α √n−1 ⇔ 1250 = 1200+t14,α √
14
, obtenemos
t14,α = 1.0752 y el nivel de signicación crítico α0 = 0.15.