Tarea 3: Métodos Numéricos usando R

MAD-416: Programación Estadística

Prof. M.Sc. Miguel Alvarado

Otoño, 2023

Instrucciones:

1. La solución de la tarea debe ser enviada antes de las 23:59 del día lunes 21/08/2023,
al correo del profesor (malvaradoc@ine.gob.cl), con copia a (miguel.alvarado@mail.udp.cl).
2. Debe entregar su tarea como un archivo script R. Este debe contener el código que
genera las funciones que se pidan programar, así como un ejemplo aplicado de la fun-
ción programada. En las preguntas que se requiera argumentar, sea breve y utilice
MAYUSCULAS SIN ACENTOS.
3. La tarea debe ser realizada utilizando el software R.

1 Preguntas

1. (25 pts.) Distribución Weibull.

Sea y1 , . . . , yn una muestra i.i.d. de una distribución Weibull (α , λ), cuya función de densidad
viene dada por:
α
λα(λy)α−1 e−(λy)
(
; y>0
f (y | α , λ) =
0 ; e.o.c.

1
donde α > 0 es el parámetro de forma (shape) y λ > 0 es el parámetro de escala (scale) de la
distribución.
En este ejemplo, θ = (α, λ) ∈ IR2++ . Encuentre el estimador por máxima verosimilitud para
θ = (α, λ)1 .
2. (25 pts.) Distribución Gamma.
Sea y1 , . . . , yn una muestra i.i.d. de una distribución Gamma (α , λ), cuya función de densidad viene
dada por:
α−1

 (λy)

λe−λy ; y>0
f (y | α , λ) = Γ (α)


0 ; e.o.c.
donde α > 0 es el parámetro de forma (shape) y λ > 0 es el parámetro de escala (scale, rate) de la
distribución.
En este ejemplo, θ = (α, λ) ∈ IR2++ . Encuentre el estimador por máxima verosimilitud para
θ = (α, λ)2 .
3. (25 pts.) Use el teorema central del límite para estimar la probabilidad de obtener más de 535
caras en 1000 lanzamientos de una moneda balanceada.
4. (25 pts.) Usted trabaja para una empresa constructora y tienen un proyecto donde deben
construir un edificio comercial. Se debe diseñar un estacionamiento de automóviles para un conjunto
de 100 oficinas que forman parte del edificio en construcción. Suponga que para cada oficina, el
número de automóviles será de 0, 1, 2 o 3, con probabilidades 0.1, 0.4, 0.3 y 0.2, respectivamente.
Le piden que, con una certeza del 95 %, haya espacio disponible para todos los automóviles cuando
las oficinas se pongan a la venta. ¿Cuántos espacios de estacionamiento se deben construir?.

2 Preguntas por puntaje extra

5. (10 pts.) Distribución Exponencial.

Sea y1 , . . . , yn una muestra i.i.d. de una distribución Exp (λ), cuya función de densidad viene dada
por:
λe−λy
(
; y>0
f (y | λ) =
0 ; e.o.c.
donde λ > 0.
En este ejemplo, θ = λ ∈ IR+ . Independientemente de si el estimador tiene solución cerrada,
mediante el uso de métodos numéricos, encuentre el estimador por máxima verosimilitud para
θ = λ.
6. (10 pts.) Distribución Pareto.
Sea y1 , . . . , yn una muestra i.i.d. de una distribución Pareto (λ), cuya función de densidad viene
dada por:
λy −λ−1
(
; y>0
f (y | λ) =
0 ; e.o.c.
1 1
En algunas presentaciones el parámetro λ puede venir dado como λ = λ
.
2 1
En algunas presentaciones el parámetro λ puede venir dado como λ = λ
.

2
donde λ > 0.
En este ejemplo, θ = λ ∈ IR+ . Independientemente de si el estimador tiene solución cerrada,
mediante el uso de métodos numéricos, encuentre el estimador por máxima verosimilitud para
θ = λ.
7. (20 pts.) Sean X1 , . . . , Xn v.a. independientes, cada una de ellas con distribución Poisson (λ).
Encuentre una aproximación para las siguientes probabilidades, en términos de la función de dis-
tribución normal estándar.

i. P (a < X1 + · · · + Xn < b).

ii. P (X1 + · · · + Xn ≥ nλ).

Usted elija los valores para los parámetros λ > 0, n ≥ 10 y 0 < a < b.