ESTADISTICA II Estimación de Parámetros Poblacionales

Autor: Pablo Tapia Corrector: Luis Araya

Universidad de Chile
Economía & Negocios

GUIA No. 1 DE EJERCICIOS RESUELTOS

APLICACIONES DEL TEOREMA DE BAYES
Profesor: Pablo Tapia

PROBLEMA 1.

Un analista de bolsa examina las perspectivas de las acciones de un gran número de compañías.
Cuando se investigó el comportamiento de estas acciones un año antes, se descubrió que un
25% experimentó un crecimiento superior al de la media, otro 25% fue inferior y el 50%
restante se mantuvo alrededor de la media. El 40% de los valores que crecieron por encima de
la media fueron clasificados como “buenas adquisiciones” por el analista, al igual que el 20% de
las que crecieron alrededor de la media y el 10% de las que tuvieron un crecimiento inferior.
Parte i.- ¿Cuál es la probabilidad de que un valor clasificado como buena adquisición por el
analista crezca por encima de la media del mercado?
Parte ii.- ¿Cuál es la probabilidad de que un valor clasificado como buena adquisición por el
analista se mantenga constante con respecto a la media de mercado?
Parte iii.- ¿Cuál es la probabilidad de que una acción sea clasificada por el analista como buena
adquisición?
Respuesta
Será necesario definir algunos términos para comprender mejor el proceso algebraico
requerido, entonces:
A1 : Acciones que tuvieron alzas favorables en su valor bursátil
A2 : Acciones que se mantuvieron constante su valor bursátil
A3 : Acciones que tuvieron disminución en su valor bursátil.
Además es posible establecer que:
B : La acción se considera “buena adquisición”

Entonces, según lo señalado en el enunciado se puede establecer las siguientes probabilidades:

Pr( A1 ) = 0,25 ; Pr( A2 ) = 0,5 ; Pr( A3 ) = 0,25
y como Probabilidades condicionadas tenemos que:
Pr( B / A1 ) = 0,4 ; Pr( B / A2 ) = 0,2 ; Pr( B / A3 ) = 0,1
Por lo tanto, las respuestas a nuestros problemas son:
Parte i.-
Pr( B / A1 ) Pr( A1 )
Pr( A1 / B) =
Pr( B / A1 ) Pr( A1 ) + Pr( B / A2 ) Pr( A2 ) + Pr( B / A3 ) Pr( A3 )
0,4 ⋅ 0,25
Pr( A1 / B) = = 0,44
0,4 ⋅ 0,25 + 0,2 ⋅ 0,5 + 0,1 ⋅ 0,25
Parte ii.-
Pr( B / A2 ) Pr( A2 )
Pr( A2 / B) =
Pr( B / A1 ) Pr( A1 ) + Pr( B / A2 ) Pr( A2 ) + Pr( B / A3 ) Pr( A3 )

Pagina 1
ESTADISTICA II Estimación de Parámetros Poblacionales
Autor: Pablo Tapia Corrector: Luis Araya

0,2 ⋅ 0,5
Pr( A2 / B) = = 0,44
0,4 ⋅ 0,25 + 0,2 ⋅ 0,5 + 0,1 ⋅ 0,25

Parte iii.-
Para resolver este problema podemos utilizar el concepto de sigma álgebra, por lo tanto, la
probabilidad para el conjunto B, se puede denotar a través de la intersección entre sub-
conjuntos y luego aplicamos el teorema de Bayes para probabilidades condicionadas, tal como:

Pr( B) = Pr( B ∩ A1 ) + Pr( B ∩ A2 ) + Pr( B ∩ A3 )

Pr( B) = Pr( B / A1 ) Pr( A1 ) + Pr( B / A2 ) Pr( A2 ) + Pr( B / A3 ) Pr( A3 )
Pr( B) = 0,4 ⋅ 0,25 + 0,2 ⋅ 0,5 + 0,1 ⋅ 0,25 = 0,225

PROBLEMA 2.

Suponga que la distribución inicial de un parámetro θ es una distribución gamma cuya media es
10, y la varianza es 5. Determinar la función de distribución inicial de θ .
Respuesta
Se tiene que la función de distribución inicial gamma corresponde a:
β α α −1 − βθ
ξ (θ ) = θ e E (θ ) = αβ −1 ; var(θ ) = αβ − 2
Γ(α )
por lo tanto, para los valores descritos en el enunciado tenemos:
E (θ ) = αβ −1 = 10; var(θ ) = αβ −2 = 5 ⇒ α = 20; β = 2
por lo tanto, la función de distribución inicial solicitada es:
2 20 19 −2θ
ξ (θ ) = θ e
Γ(20)
Observación: Es importante señalar que la función gamma evaluada en un número entero, es
siempre igual al factorial del número entero por el cual se está evaluando, por lo tanto, la
expresión anterior se puede escribir como:
2 20 19 − 2θ
ξ (θ ) = θ e
20 !

PROBLEMA 3.

Suponga que {x i }Ti=1 constituye una muestra aleatoria de una distribución cuya función de
distribución f ( x / θ ) es la siguiente.
⎧⎪θxθ −1 para 0 < x < 1
f (x /θ ) = ⎨
⎪⎩ 0 en otro caso
Suponga además que el valor del parámetro θ es desconocido (θ > 0) y que la distribución
inicial de θ es una distribución gamma con parámetros α y β (α > 0 y β > 0) . Determinar
la media y la varianza de la distribución final de θ .

Pagina 2
ESTADISTICA II Estimación de Parámetros Poblacionales
Autor: Pablo Tapia Corrector: Luis Araya

Respuesta
Se tiene que
⎧⎪θ x θ −1 para 0 < x i < 1
f ( xi / θ ) = ⎨ i
⎪⎩ 0 en otro caso
por lo tanto, la función de distribución conjunta es:
K ⎧Π T [θ xiθ −1 ] para 0 < xi < 1 ∀i = 1,..., n
f ( x / θ ) = ⎨ i =1
⎩ 0 en otro caso
además, la función de distribución inicial es:
β α α −1 − βθ
ξ (θ ) = θ e
Γ(α )
dado que se indica θ > 0 .
f ( x / θ )ξ (θ ) ( Π i =1θ xi ) Γ (α ) θ e
K T θ −1 βα α −1 − βθ
K
ξ (θ / x ) = K = K
g (x) g ( x)
Donde g ( xK ) representa la probabilidad marginal de la muestra, y si consideramos los
elementos constantes, la función anterior la podemos representar como:
K
ξ (θ / x ) = κ (θ T Π Tt=1 xiθ −1 )θ α −1e − βθ
Ahora si utilizamos las propiedades de los exponentes, a z b z = (ab) z , podemos reescribir esta
ecuación como:
K
(
ξ (θ / x ) = κ θ T ( ΠTi=1 xt )
θ −1
)θ α −1 − βθ
e

Por otra parte, sabemos que se cumple que, ( xy) = eln( xy ) = eln( x ) + ln( y ) , que al aplicarlo en la
citatoria anterior la ecuación se reescribe comoÑ
K ⎛
(
ξ (θ / x ) = κ ⎜θ T e ln ∏i =1 xi
⎝
T
)
θ −1 ⎞
⎟θ
⎠
α −1 − βθ
e
⎛
(
= κ ⎜θ T e ∑i =1 ln xi
⎝
T
)
θ −1 ⎞
⎟θ
⎠
α −1 − βθ
e

por lo tanto,
K
ξ (θ / x ) = kˆθ α +T −1e − ( β − ∑ i =1 ln xi )θ
T

Entonces la función de distribución final es una gamma con

αF = α + T y β F = β − ΣTi =1 ln xi
entonces la media y varianza de esta distribución son:
K α α +T K α α +T
E (θ / x ) = F = y var(θ / x ) = F2 =
βF β − Σ ln xi βF (β − Σ ln xi )
T T 2
i =1 i =1

PROBLEMA 4.

Suponga que se desconoce la proporción θ de artículos defectuosos de un gran cargamento. Sin

embargo, se ha observado que hay 2 artículos defectuosos de 20 artículos seleccionados al azar.
Determine la función de distribución inicial de θ , si se sabe que la función de distribución final
es una función de distribución Beta con media 324 y varianza (32112
) 2 (33)
.
Respuesta
En este caso tenemos un conjunto de 20 artículos que corresponden a variables Bernoulli
independientes e identicamente distribuidas (con probabilidad θ , desconocida, de ser
defectuosa), entonces la función de distribución de verosimilitud corresponde a:

Pagina 3
ESTADISTICA II Estimación de Parámetros Poblacionales
Autor: Pablo Tapia Corrector: Luis Araya

K
f ( x / θ , T ) = fT ( y = ΣTi =1 xi / θ ) = fT ( y / θ ) = ( Ty ) θ y (1 − θ )T − y
Ahora, dado que la variable aleatoria de la muestra es Binomial, entonces lo más adecuado es
suponer que la función de distribución es una Beta, es decir:
Γ (α + β )
ξ (θ ) = Γ (α ) Γ ( β )
θ α −1 (1 − θ ) β −1
Donde los parámetros de esta función inicial son desconocidos, y nuestro problema consiste en
determinar su valor y así construir la función de distribución inicial.
Sin embargo, la función de distribución final debe tener la forma de:
K K
ξ (θ / x ) = κ f T ( x / θ )ξ (θ )
K
ξ (θ / x ) = ξ (θ / y ) = κ fT ( y / θ )ξ (θ ) = κ ( Ty )θ y (1 − θ )T − y Γ ( β +α )
Γ (α ) Γ ( β )
θ α −1 (1 − θ ) β −1
ξ (θ / y ) = κ θ y +α −1 (1 − θ )T − y + β −1
al ver esta estructura podemos apreciar que la función de distribución final tiene la composición
de una función Beta, por ende, los parámetros finales de esta función son:
αF = y + α ∧ βF = T − y + β
Además se cuenta con los valores de la media y varianza de la distribución final, tal que:
K αF
E (θ / x ) = = 4
⇒ α F = 4 ∧ β F = 28
αF + βF 28

Para verificar este resultado se recomienda comprobarlos en la varianza, sin embargo, con ellos
podemos determinar los iniciales, ya que.
α i = α F − y = 4 − 2 = 2 ∧ β i = β F − T + y = 28 − 20 + 2 = 10
Por lo tanto, la función de distribución solicitada debe ser:
Γ (12 )
ξ (θ ) = Γ ( 2 ) Γ (10 )
θ 1 (1 − θ ) 9

PROBLEMA 5.

Se sabe que la fracción de piezas defectuosas θ en la producción de un mes es 0,1 ó 0,2 y que la
f.p. inicial de θ es la siguiente: ξ (θ = 0,1) = 0,7; ξ (θ = 0,2) = 0,3 . Además, se seleccionaron
aleatoriamente ocho piezas del lote y se encontró que exactamente dos de ellas son defectuosas.
Determine la función de distribución final del parámetro poblacional desconocida.
Respuesta
Para empezar a desarrollar el ejercicio se debe establecer las variables y los parámetros en el
problema, en este caso se tiene el control de piezas defectuosas, por lo tanto, definiremos a X
como las piezas defectuosas, implica que:
Pr( X = 1 ≡ defectuosa) = p
Pr( X = 0 ≡ buena) = 1 − p
Como no conocemos el orden en que aparecieron las piezas defectuosas, entonces la función de
distribución a utilizar es una Binomial. Entonces en este caso la función de distribución debe ser
para la muestra completa, por lo tanto, tenemos una función conjunta de la muestra igual a
⎛ T ⎞ T
f ( x1 ,..., xT / p ) = ⎜ T ⎟ p Σi=1 xi (1 − p )T − Σi=1 xi .
T

⎝ Σ i =1 xi ⎠
Por otro lado, se tienen ocho observaciones tomadas en forma independiente, por lo tanto, la
probabilidad para que este conjunto de observaciones corresponde a:
{ x1 , x2 ,..., x8 } ⇒ y = Σ8i =1 xi ⇒ f ( y / θ ) = ( Ty ) θ y (1 − θ )8 − y

Pagina 4
ESTADISTICA II Estimación de Parámetros Poblacionales
Autor: Pablo Tapia Corrector: Luis Araya

Y debemos recordar que si la función de distribución inicial tiene comportamiento discreto,

entonces la función de distribución final también debe tener comportamiento discreto,
entonces:
K K
ξ (θ / x ) = κ f T ( x / θ )ξ (θ ) ,
donde al realizarla composición entre la función de distribución inicial y final, nos queda:
ξ (θ / y ) = κ fT ( y / θ )ξ (θ ) = κ ( Ty )θ y (1 − θ )T − y Γ ( β +α )
Γ (α ) Γ ( β )
θ α −1 (1 − θ ) β −1
ξ (θ / y ) = κ θ y +α −1 (1 − θ ) T − y + β −1 ,
sin embargo, en nuestro caso se tienen 2 piezas defectuosas encontradas en estas 8
observaciones, por lo tanto, la función de distribución final queda como:
ξ (θ / y = 2) = κ f T ( y = 2 / θ )ξ (θ )
Entonces, para cada valor del parámetro poblacional, se tiene:
ξ (θ = 0,1 / y = 2) = κ f T ( y = 2 / θ = 0,1)ξ (θ = 0,1)
ξ (θ = 0,2 / y = 2) = κ f T ( y = 2 / θ = 0,2)ξ (θ = 0,2)
Además, se debe cumplir que:
ξ (θ = 0,1 / y = 2) + ξ (θ = 0,2 / y = 2) = 1
Ahora si reemplazamos los valores se tiene:
ξ (θ = 0,1 / y = 2) = κ 0,12 ⋅ (1 − 0,1) 8− 2 ⋅ 0,7 = 0,0037κ
ξ (θ = 0,2 / y = 2) = κ 0,2 2 ⋅ (1 − 0,2) 8− 2 ⋅ 0,3 = 0,0032 κ
⇒ 0,0037 κ + 0,0032 κ = 1 ⇒ κ = 144,93
Por lo tanto, el resultado de la distribución final es:
ξ (θ = 0,1 / y = 2) = 0,0037κ = 0,5362
ξ (θ = 0,2 / y = 2) = 1 − ξ (θ = 0,1 / y = 2) = 1 − 0,5362 = 0,4638

PROBLEMA 6.

MIDEPLAN le encarga hacer un estudio acerca de la tasa de participación laboral femenina. En

particular se le solicita que determine la f.d.p. inicial de la probabilidad de que una mujer
trabaje. Para estos efectos, se sabe que la mujer respecto a esta decisión se enfrentará a dos
escenarios, trabajar o no hacerlo, por lo tanto, la probabilidad de que una mujer ingrese a la
fuerza laboral se distribuye como una Bernoulli de parámetro θ , desconocido. Por otra parte,
el año pasado se encargó el estudio a una consultora extranjera la que determinó que la
probabilidad de que la mujer trabaje se distribuye como una Beta con media c1 = 0,25 y
desviación estándar c 2 = 0,01 .
Respuesta
Se hace necesario definir el parámetro de la variable aleatoria.
Pr( X i = 1 ≡ mujer i trabaja) = θ
Pr( X i = 0 ≡ mujer i no trabaja) = 1 − θ
La distribución inicial Beta es:
Γ(α + β ) α −1
ξ ( p) = θ (1 − θ )β −1
Γ(α )Γ(β )
Para la cual la media y varianza de θ corresponde a:
αβ
E (θ ) = α α+ β var(θ ) = (α + β ) 2 (α + β +1)

Por condición de enunciado sabemos que:

αβ
E (θ ) = α
α +β = c1 = 0, 25 var(θ ) = (α + β )2 (α + β +1)
= (c2 ) 2 = (0, 01) 2 = 0, 0001

Pagina 5
ESTADISTICA II Estimación de Parámetros Poblacionales
Autor: Pablo Tapia Corrector: Luis Araya

Entonces al reemplazar se tiene que:

α + β = αc1−1 ⇒
(
α αc1−1 − α
=
)(1 − c1 )c12
= c 22
(
α 2 c1− 2 αc1−1 + 1 )
α + c1
α = (1 − c1 )c12 c 2−2 − c1 = 468,5 β = α ((1 − c1 )c1−1 ) = 1.405,5
Entonces la función de distribución inicial utilizada corresponde a:
Γ(1874)
ξ (θ ) = θ 467,5 (1 − θ )1.404,5
Γ(468,5)Γ(1405,5)

PROBLEMA 7.

Suponga que posee una muestra independiente de nT artículos que pueden estar defectuosos o
no (dicotómico), sin embargo, en la muestra sólo se encontraron T piezas defectuosas.
Parte i. Encuentre la función de distribución final del parámetro de esta población (fracción
de piezas defectuosas), si se sabe que en el pasado la fracción de piezas defectuosas de esta
población siguió una distribución Beta con parámetros iguales a α = T y β = 2T .
Respuesta
Del enunciado se puede obtener la función de distribución inicial (pasado), tal que:
Γ(3T )
ξ (θ ) = θ T −1 (1 − θ ) 2T −1
Γ(T )Γ(2T )
En este caso se tiene una población con distribución binomial, dado que se desconoce el orden
en que se encontraron las piezas defectuosas, por lo tanto, la función de verosimilitud en este
caso debe ser:
⎛ nT ⎞ Σxi ⎛ nT ⎞
f ( x1 , x 2 ,...xnT / θ ) = ⎜⎜ ⎟⎟θ (1 − θ ) nT −Σxi = ⎜⎜ ⎟⎟θ T (1 − θ )T ( n−1)
⎝ Σxi ⎠ ⎝T ⎠
Por lo tanto, la función de distribución final deberá ser una Beta, tal como se ilustra a
continuación:
K f ( x1 , x2 ,...xnT / θ )ξ (θ )
ξ (θ / x ) = K
g ( x)
Donde g ( xK ) representa la probabilidad marginal de la muestra
K ⎛ nT ⎞ θ T (1 − θ )T ( n −1) Γ(3T )
ξ (θ / x ) = ⎜ ⎟ K θ T −1 (1 − θ ) 2T −1
⎝T ⎠ g ( x) Γ(T )Γ(2T )
K
ξ (θ / x ) = κ θ T (1 − θ ) T ( n −1) θ T −1 (1 − θ ) 2T −1
Ordenando un poco la función se tiene que:
K
ξ (θ / x ) = κ θ 2T −1 (1 − θ ) T ( n +1) −1
Entonces, los parámetros para esta función son:
α F = 2T y β F = T (n + 1)
Por lo tanto, la función debe ser:
K Γ(T (n + 3))
ξ (θ / x ) = θ 2T −1 (1 − θ ) T ( n +1) −1
Γ( 2T )Γ(T (n + 1))

Parte ii. ¿Cuál será la mejor estimación para este parámetro y su volatilidad?
Respuesta
Dado que la función de distribución final es una Beta con parámetros α F = 2T y β F = T (n + 1) ,
entonces, la esperanza condicional en este caso es:

Pagina 6
ESTADISTICA II Estimación de Parámetros Poblacionales
Autor: Pablo Tapia Corrector: Luis Araya

K α
E (θ / x ) = α +Fβ = 2T
2T +T ( n +1)
= 2
n +3
F F

Y la varianza condicional es:

K αF βF 2 ( n +1)
var(θ / x ) = =
(α F + β F ) 2 (α F + β F +1) ( n + 3) 2 [T ( n +3) +1]

Parte iii. ¿Qué pasará con su estimación si T tiende a infinito?

Respuesta
Claramente se puede apreciar que la esperanza no depende de T , por lo tanto, si hacemos este
término a infinito la esperanza convergerá al valor descrito. Por otro lado la varianza o
volatilidad tiende a cero.

PROBLEMA 8.

Suponga que tiene una población con distribución igual a

f ( x / θ ) = θe −θx con θ > 0
Donde el parámetro es desconocido. Y si la función de distribución inicial del parámetro de
esta población es igual a:
ξ (θ ) = βe − βθ con β > 0
Determine la función de distribución final del parámetro desconocido, si se tienen dos
observaciones independientes.
Respuesta
La función de distribución de verosimilitud es:
f ( x1 , x2 / θ ) = θ 2 e −θ ( x1 + x2 )
ξ (θ / x1 , x 2 ) = [ g ( x1 , x 2 )] −1 f ( x1 , x 2 / θ )ξ i (θ ) = [ g ( x1 , x 2 )] −1θ 2 e −θ ( x1 + x2 ) βe − βθ
ξ (θ / x1 , x 2 ) = κ θ 2 e −θ ( x1 + x2 + β )
Entonces, para determinar la constante, debemos integrar, ya que se trata de funciones
continuas.
∞ ∞
∫ 0
ξ (θ / x1 , x 2 )dθ = κ ∫ 0
[θ 2 e −θH ]dθ = 1 con H = x1 + x 2 + β

Resolveremos utilizando integración por parte:

∞ ⎡ θ 2 −θH ∞ ∞ ⎤
∫ ∫
2
κ [θ 2 e −θH ]dθ = κ ⎢− e + [θe −θH ]dθ ⎥
0
⎣⎢ H 0 H 0
⎦⎥
∞ ⎡ θ 2 −θH ∞ ⎡ θ −θH ∞ ∞ ⎤⎤
∫ ∫
2 1
κ [θ 2 e −θH ]dθ = κ ⎢− e + ⎢− e + [e −θH ]dθ ⎥ ⎥
0
⎣⎢ H 0 H ⎣ H 0 H 0
⎦ ⎦⎥
∞ ⎡ θ 2 −θH ∞ ⎡ θ −θH ∞ ∞⎤⎤

∫
2 1
κ [θ 2 e −θH ]dθ = κ ⎢− e + ⎢− e + e −θH ⎥ ⎥
2
0
⎣⎢ H 0 H ⎣ H 0 H ⎥
0 ⎦⎦

Utilizando L´Hopital, en cada uno de los casos, por lo que se tiene que:
θ2 ∞ θ ∞ 1 ∞ 1
− e −θH = 0; − e −θH = 0; 2
e −θH =−
H 0 H 0 H 0 H2
∞
κ ∫ 0
[θ 2 e −θH ]dθ = κ 2 H −3 = 1 ⇒ κ = 0.5 H 3 = 0.5( x1 + x 2 + β ) 3

Entonces, la función de distribución debe ser igual a:

⇒ ξ (θ / x1 , x 2 ) = 12 ( x1 + x 2 + β ) 3 [θ 2 e −θ ( x1 + x2 + β ) ]

Pagina 7
ESTADISTICA II Estimación de Parámetros Poblacionales
Autor: Pablo Tapia Corrector: Luis Araya

PROBLEMA 9.

Supóngase que se sabe que la proporción θ de artículos en un gran lote manufacturado es p y

0.5 p , y de la función de distribución inicial de θ que ξ i (θ = p) = q . Suponga también que
cuando se seleccionan al azar T artículos del lote, se encuentra que exactamente 2 de ellos son
defectuosos. Determine la distribución final de este parámetro.
Respuesta
En este caso, como no se conoce el orden en que salieron las piezas defectuosas por ende la
función de distribución es binomial, es decir:
f ( x1 , x2 ,...xT / θ ) = ( T2 ) θ 2 (1 − θ )T − 2 = 0.5T (T − 1)θ 2 (1 − θ )T − 2
Del enunciado se puede obtener la función de distribución inicial es discreta, por lo tanto, debe
cumplir con:
ξ (θ = p) = q ⇒ ξ (θ = 0.5 p) = 1 − q
Por lo tanto, la función de distribución final deberá ser discreta, tal como se ilustra a
continuación:
K 0.5T (T − 1) p 2 (1 − p ) T − 2 q
ξ (θ = p / x ) =
0.5T (T − 1) p 2 (1 − p ) T − 2 q + 0.5T (T − 1)(0.5 p ) 2 (1 − 0.5 p ) T − 2 (1 − q )
K (1 − p ) T − 2 q
ξ (θ = p / x ) = T −2
(1 − p ) q + 0.5 2 (1 − 0.5 p ) T − 2 (1 − q )

Entonces, para calcular la otra probabilidad, sólo utilizaremos el complemento, ya que θ sólo
puede tener dos valores.
K K 0.5 2 (1 − 0.5 p ) T −2 (1 − q)
ξ i (θ = 0.5 p / x ) = 1 − ξ i (θ = p / x ) = T −2
(1 − p ) q + 0.5 2 (1 − 0.5 p ) T −2 (1 − q)

PROBLEMA 10.

Suponga que posee una muestra independiente de (ε − 2)T artículos que pueden estar
defectuosos o no (dicotómico), sin embargo, en la muestra sólo se encontraron 18 (ε − 8)T
piezas defectuosas (con ε ≥ 10 ).

Parte i. Encuentre la función de distribución final del parámetro de esta población (fracción
de piezas defectuosas), si se sabe que en el pasado la fracción de piezas defectuosas de esta
población siguió una distribución Beta con parámetros iguales a α = β = T .
Respuesta
Del enunciado se puede obtener la función de distribución inicial (pasado), tal que:
Γ(2T )
ξ i (θ ) = θ T −1 (1 − θ )T −1
Γ 2 (T )
En este caso se tiene una población con distribución binomial, dado que se desconoce el orden
en que se encontraron las piezas defectuosas, por lo tanto, la función de verosimilitud en este
caso debe ser:
⎛ (ε − 2)T ⎞ 18 (ε −8)T (ε − 2 )T − 18 (ε −8)T
f ( x1 , x 2 ,...x(ε −2)T / θ ) = ⎜⎜ 1 ⎟θ
⎟ (1 − θ )
⎝ 8 (ε − 8)T ⎠
Por lo tanto, la función de distribución final deberá ser una Beta, tal como se ilustra a
continuación:

Pagina 8
ESTADISTICA II Estimación de Parámetros Poblacionales
Autor: Pablo Tapia Corrector: Luis Araya

K f ( x1 , x2 ,...xnT / θ )ξ (θ )
ξ (θ / x ) = K
g ( x)
⎛ (ε − 2)T ⎞ θ 8 (ε −8)T (1 − θ )(ε − 2)T − 8 (ε −8)T Γ (2T ) T −1
1 1
K
ξ (θ / x ) = ⎜ 1 ⎟ K θ (1 − θ )T −1
⎝ 8 (ε − 8)T ⎠ g(x) Γ 2 (T )
K 1
(ε −8)T (ε − 2)T − 18 (ε −8)T
ξ (θ / x ) = κ θ 8 (1 − θ ) θ T −1 (1 − θ ) 2T −1

Ordenando un poco la función se tiene que:

K
ξ (θ / x ) = κθ (εT / 8) −1 (1 − θ ) (7εT / 8) −1
Entonces, los parámetros para esta función son:
α F = εT / 8 y β F = 7εT / 8
Por lo tanto, la función debe ser:
K Γ(εT )
ξ (θ / x ) = θ (εT / 8) −1 (1 − θ ) (7εT / 8) −1
Γ(εT / 8)Γ(7εT / 8)
Parte ii. ¿Cuál será la mejor estimación de Bayes para este parámetro y su volatilidad?
Respuesta
Dado que la función de distribución final es una Beta con parámetros α F = εT / 8 y β F = 7εT / 8 ,
entonces, la esperanza condicional en este caso es:
K α εT / 8
E (θ / x ) = α +Fβ = εT
= 1
8
F F

Y la varianza condicional es:

K αF βF
var(θ / x ) = = 7
64[εT +1]
(α F + β F ) 2 (α F + β F +1)

Parte iii. ¿Qué pasará con el estimador de Bayes calculado en la parte ii y su volatilidad si se
aumenta infinitamente la muestra?
Respuesta
Claramente se puede apreciar que la esperanza condicional (estimador de Bayes) no depende de
T , por lo tanto, si hacemos este término a infinito la esperanza convergerá al mismo valor
descrito. Por otro lado la varianza o volatilidad tiende a cero.

PROBLEMA 11.

Parte i.- Supóngase que se selecciona una muestra aleatoria de 20 observaciones de una
distribución normal con media θ desconocida y varianza igual a 1. Después de haber observado
los valores de la muestra se encuentra que xT = 10 y que la distribución final de θ es una
distribución normal cuya media es 8 y varianza 1 25 .¿Cuál fue la distribución inicial de θ ?
Respuesta
Para resolver este problema se debe saber que se ha obtenido una distribución final normal y la
distribución de la muestra es normal, entonces la distribución inicial debió haber sido una
distribución también normal (demostración vista en clases).
Del mismo modo tenemos que:
La media y varianza de la distribución de la muestra son θ y σ 2 respectivamente,
La media y varianza de la distribución inicial son μ 0 y v02 respectivamente y
La media y varianza de la distribución final son μ1 y v12 respectivamente.
Además sabemos que se cumple la relación entre estos valores como:
Tv 02 xT + μ 0σ 2 σ 2 v 02
μ1 = v12 =
Tv 02 + σ 2 Tv 02 + σ 2

Pagina 9
ESTADISTICA II Estimación de Parámetros Poblacionales
Autor: Pablo Tapia Corrector: Luis Araya

que al reemplazar se tiene:

20 ⋅ v 02 ⋅ 10 + μ 0 ⋅ 1 1 ⋅ v 02
8= ∧ 1
= ⇒ v 02 = (1 / 5) ∧ μ0 = 0
20 ⋅ v 02 + 1 20 ⋅ v 02 + 1
25

Parte ii.- Supóngase que se va a seleccionar una muestra aleatoria de una distribución normal
con media θ desconocida y desviación estándar igual a 2 y que la desviación estándar de la
distribución inicial de θ es igual a 1. ¿Cuál debería ser el tamaño de la muestra para reducir la
desviación estándar de la distribución final de θ en un 90% con respecto a la definida en la
distribución inicial?
Respuesta
Para un manejo más simplificado del cálculo algebraico es recomendable tomar la distribución
inicial como una distribución normal y, como la distribución de la muestra es normal, entonces
la distribución final deberá ser normal.
Entonces, utilizando las mismas definiciones de la parte i, además de la expresión para la
varianza de la distribución final, se tiene que:

Téngase presente que se nos ha solicitado reducir en un 90% la desviación estándar de la

distribución final con respecto a la inicial, por lo tanto, la desviación estándar de la distribución
final deberá ser igual a:
v1 = 0,1 ⋅ v0 ⇒ v1 = 101 ⇒ v12 = 100
1

Que al reemplazar se tiene:

σ 2 v 02
v12 = ⇒ 100
1
= 4(T + 4) −1
Tv 02 + σ 2
⇒ T + 4 = 400 ⇒ T = 396
Entonces, para poder hacer la reducción mencionada es necesario que el tamaño de la muestra
sea de por lo menos 396 observaciones.

Pagina 10
ESTADISTICA II Estimación de Parámetros Poblacionales
Autor: Pablo Tapia Corrector: Luis Araya

PROBLEMAS PROPUESTOS.

PROPUESTO 1.

En una importante empresa manufacturera de Santiago de Chile, el 80% de los empleados son
hombres y el 20% mujeres. Entre los hombres, el 10% cuentan con formación Universitaria, el
30% con formación técnica y el 60% tienen sólo formación de enseñanza media. Entre las
mujeres, el 15% tiene formación universitaria, el 25% formación técnica y el 60% restante
cuentan sólo con formación escolar.
Parte i. ¿Cuál es la probabilidad de que un empleado elegido al azar sea un hombre que cuenta
únicamente con formación escolar?
Parte ii. ¿Cuál es la probabilidad de que un empleado elegido al azar tenga formación
universitaria?
Parte iii. ¿Cuál es la probabilidad de que un empleado elegido al azar tenga formación
universitaria sea hombre?
Parte iv. ¿Cuál es la probabilidad de que un empleado elegido al azar que no tenga formación
universitaria sea una mujer?

PROPUESTO 2.

Supóngase que el número de defectos en una cinta magnética de grabación tiene una media θ
desconocida y que algunos valores probables son 1,0 ó 1,5 y que la función de distribución
inicial de θ es la siguiente: ξ (θ = 1,0) = 0,4; ξ (θ = 1,5) = 0,6 . Si una cinta seleccionada al azar
resulta con tres defectos, ¿cuál es la función de distribución final del parámetro poblacional?

PROPUESTO 3.

Supóngase que la proporción θ de artículos defectuosos en un gran lote manufacturado es

desconocida y que la función de distribución inicial de θ es la siguiente:
ξ (θ ) = 2(1 − θ ) con 0 < θ < 1
Cuando se seleccionan al azar y en forma independiente ocho artículos del lote, se encuentra
que exactamente tres de ellos son defectuosos. Determine la distribución final de θ .

PROPUESTO 4.

Supóngase que las estaturas de los individuos de una cierta población tienen una distribución
normal con media θ desconocida y cuya desviación típica es 5 centímetros, supóngase también,
que la distribución inicial θ es una distribución normal cuya media es 168 centímetros y cuya
desviación estándar es 2,5 centímetros. Supóngase, por último, que se seleccionan al azar diez
personas de la población y que resulta que su estatura promedio es 172 centímetros. ¿Cuál será
la función de distribución final de θ ? y, ¿cuál será el valor final más probable de la estatura
promedio?

Pagina 11