Estadística Bayesiana 2019-I
Ejercicios No 3
1. Supongamos que la distribución a priori para la proporción p de bebidas de una máquina
despachadora que se derraman al servirse es
p 0.005 0.10 0.15
π(p) 0.3 0.5 0.2
Si dos de las siguientes 9 bebidas de esta máquina se derraman, calcular:
a) la distribución a posteriori para la proporción p
b) el estimado de Bayes de p.
2. Repita el ejercicio anterior cuando una de las siguientes 4 bebidas se derrama y la
distribución uniforme a priori es π(p)=10 0.05<p<0.15.
3. El constructor de un nuevo complejo de condominios afirma que 3 de 5 compradores
preferiría un departamento con 2 dormitorios, mientras que su banquero afirma que sería
más correcto decir que 7 de 10 compradores prefreirían uno de dos dormitorios. En las
predicciones previas de este tipo el banquero ha sido dos veces más confiable que el
constructor. Si 12 de los siguientes 15 condominios que se venden en este complejo son de
dos dormitorios, calcule
a) Las probabilidades posteriores que se asocian con las afirmaciones del constructor y el
banquero.
b) Un estimado puntual de la proporción de compradores que prefieran un condominio de
dos dormitorios.
4. El tiempo en que se consume la primera etapa de un cohete es una variable aleatoria normal
con una desviación estándar de 0.8 minutos. Suponga una distribución previa normal para μ
con una media de 8 minutos y una desviación estándar de 0.2 minutos. Si se lanzan 10 de
estos cohetes y la primera etapa tiene un tiempo de consumo promedio de 9 minutos,
calcule un intervalo bayesiano de 95% para μ.
5. La utilidad diaria de una máquina despachadora de jugos, ubicada en un edificio de oficinas,
es un valor de una variable aleatoria normal, con media μ y varianza σ 2 desconocida. Desde
luego, la media variará un poco de un edificio a otro, y el distribuidor considera que estas
utilidades promedio diarias se pueden describir mejor usando una distribución normal con
media µ 0 =30,000 soles y una desviación estándar σ 0 =1.75 soles. Si una de estas máquinas
despachadoras de jugo, ubicada en cierto edificio, muestra una utilidad promedio diaria de
x = 24.90 soles, durante ,os primeros 30 días con una desviación estándar de s=2.10 soles,
calcular:
a) Un estimado de Bayes de la utilidad promedio diaria verdadera para este edificio.
b) Un intervalo bayesiano de 95% de μ para este edificio
c) La probabilidad de que la utilidad promedio diaria de la máquina en este edificio sea
entre 24 y 26 soles.
6. En el curso de estadística se diseña un examen de entrada para aplicarlo a los grupos del
primer año. Los profesores del curso consideran que la calificación promedio de este
examen variará de un grupo a otro. Esta variación de calificación promedio del grupo se
expresa de manera subjetiva mediante una distribución normal con media 13 y una varianza
de 3.25
a) ¿Qué probabilidad previa existe de que la calificación promedio real, que asigna el curso
para los alumnos de nuevo ingreso del siguiente año, caiga entre 12.2 y 13.1?
b) Construya un intervalo bayesiano de 95 % para μ en el caso de que el examen se
aplicara a una muestra aleatoria de 100 alumnos de nuevos ingresantes y tuviera como
resultado una calificación promedio de 12 con una varianza de 4.
c) Qué probabilidad posterior debería asignar el curso al evento de la pregunta a?
7. Una empresa de equipo eléctrico fabrica bombillas con una duración distribuida
aproximadamente normal y una desviación estándar de 100 horas. La experiencia previa
nos conduce a creer que μ es un valor de una variable aleatoria normal con co un una
media μo=800 horas y una desviación estándar σo =10 horas. Si una muestra aleatoria de
25 bombillas tiene una duración promedio de 780 horas ¿cuál es el intervalo bayesiano de
80% para μ.? Si la empresa no tiene suficiente información previa respecto a la duración
media poblacional que le permita suponer una distribución normal para μ. La empresa cree,
sin embargo, que μ seguramente estará entre 770 y 830 horas, y considera que una
aproximación bayesiana más realista sería suponer una distribución previa
π(μ) =1/60. 770 < μ <830
Si una muestra aleatoria de 25 bombillas tiene una promedio de 780 horas, halle la
distribución posterior de π(μ / x1,x2,..x25).
8. Suponga que el tiempo T antes de que falle cierta bisagra es una variable aleatoria
−θt
exponencial con fdp f (t ) = θe , i>0
Por experiencia, nos inclinamos a pensar que θ es un valor de una variable aleatoria
−2θ
exponencial con fdp π (θ ) = 2e , θ>0
Si tenemos una muestra de n observaciones deT, muestre que la distribución a posteriori de
θ es una distribución gamma con parámetros
n
α = n+1 y β = ( t i + 2) −1
i =1
9. Suponga que una muestra consta de 5, 6, 6, 7, 5, 6, 4, 9, 3 y 6 proviene de una población de
Poisson con media ƛ, Supongamos que el parámetro ƛ sigue una distribución gamma con
parámetros (3,2). Bajo la función de pérdida del cuadrado del error, calcule el estimado de
bayes de ƛ.
10. Una variable aleatoria X sigue una distribución binomial negativa con parámetros k=5 y p.
Además se sabe que p sigue una distribución unniforme en el intervalo (0,1). Calcular el
estimado de Bayes de p bajo la función de pérdida del cuadrado del error.
Una variable aleatoria X sigue una distribución exponencial con media 1/β. Supongamos
que la distribución a priori de β es una distribución exponencial con media 2.5. Determine el
estimado de Bayes de β bajo la función de pérdida del error absoluto.
11. Sea el modelo uniforme (0, θ), dado por f (x/θ) =1/θ, con 0 < x < θ, y una distribución a priori
π (θ ) = αβ α θ − (α +1) con θ ≥ β > 0 y α > 0. A priori se considera que θ está en [10,50]. Se
obtiene la siguiente muestra aleatoria de x = {5.8, 10.2, 6.0, 14.6, 13.7, 10.2, 8.2, 7.7, 5.8}
Contestar.
a) Obtener la distribución a posteriori π(θ/X)
b) Obtener y comparar los siguientes estimadores para θ: la moda de π(θ/X), el estimador
de Bayes bajo la pérdida cuadrática y el estimador de Bayes bajo la pérdida valor absoluto.
12. Si en el ejercicio anterior se plantea las siguientes hipótesis:
a) Obtener P(H1/X) Y P(H2/X), y optar por una de las hipótesis.
b) Si P(H1)=P(H2)= 0.5, obtener el factor de Bayes B12 e interpretar.
13. Si en una aplicación la distribución a posteriori es
la cual corresponde a una beta con parámetros (2x,2). Y se quiere comparar las hipótesis
que
Para que valores de x los datos apoyan a H1?
14. Encontrar la región de más alta densidad de probabilidad 1 - α = 0.95 de la distribución
Ica, 31May2019.
