EJERCICIO 1:

De una población en la que se analiza la variable aleatoria ζ, con función de probabilidad f(x;θ), se extraen
m.a.s de tamaño n. Se eligen dos estimadores del parámetro θ, tales que:

E (θ*1) = 2θ y V (θ*1) = 3θ2

E(θ*2) = θ + 1 y V(θ*2) = 4θ2

CUESTIONES
a) ¿son insesgados?
E (θ*1) = 2θ y V (θ*1) = 3 θ 2 No es insesgado.
E (θ*1) = 2θ
E (θ*1) = θ
E (θ*2) = θ + 1 y V (θ*2) = 4 θ 2 No es insesgado.
E (θ*2) = θ + 1
E (θ*2) = θ
un estimador es insesgado si la Media de la distribución del estimador es igual al parámetro. O si la
diferencia entre su esperanza matemática y el valor numérico del parámetro que estima es nulo. Por lo tanto
no es insesgdao. Un estimador es más eficiente que otro si la Varianza de la distribución muestral del
estimador es menor a la del otro estimador.A menor eficiencia, menor es la confianza de que el estadístico
obtenido en la muestra aproxime al parámetro poblacional.

Se dice que un estimador es insesgado si la Media de la distribución del estimador es igual al parámetro. O
si la diferencia entre su esperanza matemática y el valor numérico del parámetro que estima es nulo. Por lo
tanto no es insesgdao. Un estimador es más eficiente que otro si la Varianza de la distribución muestral del
estimador es menor a la del otro estimador.A menor eficiencia, menor es la confianza de que el estadístico
obtenido en la muestra aproxime al parámetro poblacional.

Ver más en Brainly.lat - https://brainly.lat/tarea/10991926#readmore

b) Proponer, a partir de los estimadores anteriores, otros dos que sean insesgados compararlos según el
criterio de eficiencia.
E (θ*1) = 2θ E (θ/2) = 2 E (θ/2) = θ θ1 = Para Que Sea Insesgado

E (θ*2) = θ + 1

E (θ - 1) = θ – 1 + 1
E (θ - 1) = θ Para Que Sea Insesgado
Y ahora calculamos las varianzas de los estimados corregidos
V (θ*1) = 3 θ 2
V (θ / 2) = 3 (θ/2)
V (θ / 2) = 3 (θ/4) 2 = ¾ θ 2
V (θ / 2) = 4 θ 2
V (θ - 1) = 4(θ- 1) 2

Se determina el más coeficiente:

V (θ1) < V (θ2)

¾ θ2 < 4 (θ2 - 1) 2

EJERCICIO 2:
Una vez obtenido el intervalo: μ ε [10 -0’784; 10 + 0’784] = [9’216; 10’784]0’95

CUESTIONES

a) Aumentar la confianza de la estimación hasta el 99%, manteniendo constante la precisión.

X = Media Muestral
N = 100 Muestra
Θ=4
μ<+ )
= 0.995
Z 0.995 = 2.57

b) Aumentar al doble la precisión de la estimación obtenida, manteniendo constante la confianza de la

estimación en el 95%.
μ< ) = 0.99

PREGUNTAS DINAMIZADORAS

1. Determine si alguna de las propiedades de los estimadores puntuales está mal definido.

El estimador insesgado es la medida de las medidas de una muestra.

El estimador más eficiente es el que contenga la varianza más grande de la muestra.

Un estimador es consistente si al aumentar el tamaño de la muestra, el valor del estadístico, se

parece más al tamaño del parámetro.

Un estimador es suficiente cuando proporciona la mayor cantidad de información del parámetro.

El estimador insesgado es la media de las medias de una muestra
Se dice que un estimador es insesgado si sus esperanzas son iguales al parámetro que él desea
estimar, por ende está mal defina esta propiedad.

2 El estimador más eficiente es el que contenga la varianza más grande de la muestra.

Un estimador es más eficiente o más preciso que otros estimadores, si su varianza es más
pequeña que la de los otros estimadores, por ende está mal defina esta propiedad.

3 Un estimador es consistente si al aumentar el tamaño de la muestra el valor del

estadístico se parece más al tamaño del parámetro.
Se considera un estimador consistente cuando su valor asintóticamente tiende aumentar el
tamaño de la muestra, por ende está mal defina esta propiedad.
4 Un estimador es suficiente cuando proporciona la mayor información del parámetro.
Un estimador es suficiente cuando no da lugar a una pérdida de información, también es
suficiente cuando describe la información del parámetro que él desea estimar, por ende esta
propiedad si está bien definida.

2. En una empresa de electrodomésticos se toma una muestra de 50 neveras, de las cuales se

mide su capacidad, encontrando una media de 65 litros, con una desviación estándar de 4,2 litros.
El departamento de calidad indica que el nivel de confianza para todas sus medidas debe ser del
95 %. A partir de ello se determinó que los límites de confianza, de la capacidad en litros para las
siguientes neveras construidas deben ser de 63,84 litros para el inferior y de 66,16 litros para el
superior. ¿Esto es cierto?

P (63,84≤X≤66,16) =?

Z = X-μ/σ

Z1 = 63,84-65/4,2 = -0,27

P (63,84≤X) = 0,39358

Z2 = 66,46-65/4,2 = 0,35

P (66,16≤X) = 0,63683

P (63,84≤X≤66,16) = 0,63683- (1-0,39358) = 0,03 = 3%

Es falso la probabilidad entre este rango es muy baja es del 3%

PREGUNTAS DINAMIZADORAS
Definir población y variable poblacional objeto de estudio, indicando lo que se sabe acerca de
su distribución de probabilidad

Variable ꝣ 1= Peso jamones de Jabugo

Se extrae una m.a.s.
X= (x1, x2,…x31 ) n = 31 con xi: N(μ,σ)
Variable aleatoria ax= peso medio jamones Jabugo

Se desea contrastar a un α= 1% si el peso medio de los jamones es de 7 kg como afirma la

publicidad (es decir, H 0 : μ= 7; H 1 : μ≠ 7). Tras tomar la muestra, resulta que el valor observado
del indicador de discrepancias (que, bajo H 0 cierta, sigue una distribución “t” de student de 30
grados de libertad) resulta ser t 0 = -1,31
Obtener el “p – valor” e interpretar su valor.
n = 31 jamones
μ = 7 kg
t0 = -1,31
α = 0,01
H0: μ = 7
H1: μ ≠ 7
De acuerdo a las hipótesis planteadas, estamos hablando de una prueba de dos colas, ya que
existen dos zonas de rechazo.
N > 30 se usa el estadístico Z, pero nos dan t.
Valor crítico para 30 grados de libertad (n-1) y a/2 = 0,005 = -2,750
Zona no rechazo entre (-2.750 ≤ t ≤ 2.750) = -1,31 > -2,457
Decisión: No rechazar H 0
Entonces P(t ≥ -1,31) = 1 - P(-1.31 ≤ t ≤1.31) = 1 – 0,10 = 0,90
p - valor = 0,90

Como podemos observar 0,90 es mayor que el nivel de significancia α = 0,01 por tanto no se
rechaza la hipótesis nula H 0 . Es decir, el peso promedio de los jamones es de 7 kg, tal como lo
afirma la publicidad