Universidad Técnica Federico Santa Marı́a

Departamento de Matemáticas
Campus Santiago

Certamen 3 MAT042
1. El ministerio de economı́a estudia conjuntamente las tasas de crecimiento de las exportaciones (X,
en porcentajes) y del PIB (Y , en porcentajes). El servicio de estudios del ministerio ha investigado
el comportamiento de probabilı́stico de ambas variables, que viene dada por la función densidad
conjunta siguiente:
fXY (x, y) = k · x · y, , 5 < x < 20, 2 < y < 6

a) Obtener el valor de k
b) Obtener la probabilidad que las exportaciones crezcan por encima del 8 %.
c) Obtener el crecimiento esperado de las exportaciones.

Solución:
RR
a) Recordemos que fXY dxdy = 1

Entonces
20 Z 6 20
y 2 6
Z Z 
k · x · y dy dx = k · x ·  dx
5 2 5 2 2
Z 20
36 − 4
=k· x dx
2 5
x2 20

= 16k · 
2 5
400 − 25
= 16k ·
2
= 3000k = 1

Por lo tanto, k = 1/3000

b) Debemos encontrar la distribución marginal de X.
Z
fX (x) = k · x · y dy
y
Z 6
=k·x· y dy
2
y 2 6

=k·x· 
2 2
36 − 4
=k·x·
2
16x
= , 5 < x < 20
3000

1
 Con esto
Z 20
16x
P(X > 8) = dx
8 3000
16 x2 20

= ·
3000 2  8
16 400 − 64
= ·
3000 2
= 0,896

c) Calculamos el valor esperado de X

Z 20
16x
E(X) = x
dx
5 3000
16 x3 20

= ·
3000 3 5
16 203 − 53
= ·
3000 3
= 14

Por lo tanto, en promedio, el crecimiento de las exportaciones es de un 14 %.

2
 iid
2. a) Sean X1 , X2 ∼ exp(λ). Determinar la función densidad de Y = X1 + X2
b) Sea Y1 , . . . , Yn una muestra aleatoria con función densidad

fY (y) = λ2 y e−λy , y > 0, λ>0

Determinar un estimador insesgado y eficiente para µ = 1/λ. Determinar la cota de Cramér-

Rao para el estimador encontrado.
x
c) Verifique que Q = e µ es un pivote, es decir, su distribución no depende de µ. Use lo hecho en
la parte anterior.
Solución:
a) Sea Y = X1 + X2 y Z = X1 . Con esto, las funciones inversas son X1 = Z y X2 = Y − Z, por lo
que  
 1 0 
|J| =  =1
−1 1 
Como 0 < X1 < X1 + X2 , entonces 0 < Z < Y
Ası́, la distribución conjunta de Y, Z queda

fY Z (y, z) = fX1 x2 (z, y − z)|J|

= fX2 (z) · fX1 (y − z)|1| (por independencia de X1 y X2 )
= λe−λ·z · λe−λ·(y−z)
= λ2 e−λy , 0<z<y

Por lo tanto, la función densidad marginal de Y es

Z y
fY (y) = λ2 e−λ·y dz
0
y
2 −λ·y

=λ e · z 
0
2 −λ·y
= λ ye , y>0

Es decir, Y ∼ Gamma(2, λ)
b) Por máxima verosimilitud, determinemos un EMV para µ.

n
Y
L(y, µ) = µ−2 yi e−yi /µ
i=1

−2n
n
Y P y /µ 
=µ (yi )e− i
log
i=1

X X d
log(L) = −2n log(µ) +
log(yi ) − yi /µ
dµ

d log(L) −2n 1 X 
= + 2 yi = 0
dµ µ µ µ=µ b
Por lo tanto,
n
1 X
µ
b= yi
2n
i=1

3
Para comprobar que sea insesgado, recordemos que si Y ∼ Gamma(2, λ) entonces, E(Y ) = 2/λ
y V(Y ) = 2/λ2

1 X
E(b
µ) = E( yi )
2n
1 X
= E(yi )
2n
1 X
= 2/λ
2n
1 X
= 2µ
2n
1
= · n · 2µ
2n
=µ

Por lo tanto, µ
b es insesgado.

Calculemos su varianza y comparémosla con la cota de Cramér-Rao.

1 X
V(b
µ) = V( yi )
2n
1 X
= V(yi )
4n2
1 X
= 2/λ2
4n2
1 X 2
= 2µ
4n2
1
= · n · 2µ2
4n2
µ2
=
2n

La cota está dada por I(µ)−1 donde

d2 L
I(µ) = −E( )
dµ2
2n 2 X
= −E( 2 − 3 yi )
µ µ
2 X 2n
= 3 E(yi ) − 2
µ µ
2 2n
= 3 2nµ − 2
µ µ
4n 2n
= 2 − 2
µ µ
2n
= 2
µ

4
Entonces
µ2
I(µ)−1 = = V(b
µ)
2n
Por lo tanto, el estimador alcanza la cota, por lo que es eficiente.

5
3. a) Se toman dos muestras independientes para comparar las medias de dos poblaciones. ¿Se puede
concluir que, al nivel del 0.02, la media de la población A ha de ser mayor que la de B?

Muestra n X s
A 50 57.5 6.2
B 50 54.4 10.6

b) Verifique con qué valor de (1 − α) % tales valores de n son aceptables.

Solución:

a) Primero, necesitamos saber si las varianzas poblacionales son iguales o distintas. Para eso,
necesitamos testear las hipótesis
H0 : σ12 = σ22
H1 : σ12 =
6 σ22
con α = 0,05. El estadı́stico para la comparación de varianzas es F0 = s11 /s22 el cual se compara
con los percentiles α/2 y 1α /2 de la distribución F de Fisher.

(6,2)2
F0 = = 0,34
(10,6)2

Rechazamos H0 si F0 < F( n1 − 1, n2 − 1, α/2) ó F0 > F( n1 − 1, n2 − 1, 1 − α/2), es decir, basta

que se cumpla una de las dos desigualdades para que rechazemos la hipótesis nula. En este caso

F(49,59,0,01) = 0,52 > 0,34

F(49,59,0,99) = 1,88

Ası́, se rechaza H0 y las varianzas poblacionales son distintas.

Ahora testeamos las hipótesis de interés

H0 : µA ≤ µB ↔ µA − µB ≤ 0
H1 : µA > µB ↔ µA − µB > 0
Rechazamos H0 cuando
(xA − xB ) − 0
T0 = q 2 ∼ tν
sA s2B
nA + nB

y rechazo H0 si T0 ≤ −tν,1−α donde

s2A s2B
2
nA + nB
ν= (s2A /nA )2 (s2B /nB )2
nA −1 + nB −1

s2A (6,2)2 s2A (10,6)2

= = 0,768, = = 1,872
nA 50 nA 60
 2 2 
(6,2)2 2
 2 2 
(10,6)2 2
 
sA sA
= = 0,589, = = 3,506
nA 50 nA 60

Ası́,

6
 (0,768 + 1,872)2
ν=
0,589/49 + 3,506/59
6,969
=
0,0714
= 97,55

Con ν > 30, ocupamos la aproximación al percentil normal.

Ası́,

57,5 − 54,4
T0 = √
0,768 + 1,872
= 1,907

El percentil es −z1−α/2 = -2.326, y como T0 > −z1−α/2 , no rechazamos H0 y no podemos afirmar

que la media de A sea mayor a la de B.
b) Debemos encontrar el mı́nimo α tal que

T0 = −z1−α/2

Entonces

P(Z < 1,907) = 0,9717

es decir, con (1 − α) % ≥ 0,9717 aceptamos la hipótesis nula. (α = 0,028)