Diferencia entre revisiones de «Final 03/08/2017 (Probabilidad y Estadística)»
Sin resumen de edición |
Sin resumen de edición |
||
| Línea 7: | Línea 7: | ||
===Ejercicio 2=== | ===Ejercicio 2=== | ||
Construir un test de hipótesis de nivel aproximado <math>\alpha</math> para el parámetro <math>p</math> de una distribución binomial. | Construir un test de hipótesis de nivel aproximado <math>\alpha</math> para el parámetro <math>p</math> de una distribución binomial.(La resolución está en el pdf de Bianco en la página 206) | ||
===Ejercicio 3=== | ===Ejercicio 3=== | ||
Se repite <math>n</math> veces un experimento en forma independiente. Sea <math>A</math> un suceso y <math>n_a</math> la cantidad de veces que ocurre <math>A</math>. Dado <math>\epsilon > 0</math>, probar que <math>P(|\frac{n_a}{n} - p(A)| > \epsilon) \rightarrow 0</math> para <math>n \rightarrow \infty</math>. | Se repite <math>n</math> veces un experimento en forma independiente. Sea <math>A</math> un suceso y <math>n_a</math> la cantidad de veces que ocurre <math>A</math>. Dado <math>\epsilon > 0</math>, probar que <math>P(|\frac{n_a}{n} - p(A)| > \epsilon) \rightarrow 0</math> para <math>n \rightarrow \infty</math>. (La resolución está en el pdf de Bianco en las páginas 120-121) | ||
===Ejercicio 4=== | ===Ejercicio 4=== | ||
Sean <math>X_j</math> variables aleatorias independientes. <math>X_j \sim E(\lambda)</math> y sea <math>t > 0</math>. Dado <math>k \in N</math>, calcular <math>P(\sum_{n=1}^{k}(X_j \leq t))</math>. | Sean <math>X_j</math> variables aleatorias independientes. <math>X_j \sim E(\lambda)</math> y sea <math>t > 0</math>. Dado <math>k \in N</math>, calcular <math>P(\sum_{n=1}^{k}(X_j \leq t))</math>. (La resolución está en el pdf de Bianco en las páginas 129-131 o también se puede pensar como la generalización de la proposición de la página 75-76) | ||
===Ejercicio 5=== | ===Ejercicio 5=== | ||
| Línea 19: | Línea 19: | ||
===Ejercicio 6=== | ===Ejercicio 6=== | ||
Sea <math>\{X_n\}</math> una muestra aleatoria de una variable aleatoria <math>X</math> tal que <math>V(X) = \sigma^2 < \infty</math>. Decidir si la varianza muestral <math>s^2</math> es o no es un estimador consistente de <math>\sigma^2</math>. | Sea <math>\{X_n\}</math> una muestra aleatoria de una variable aleatoria <math>X</math> tal que <math>V(X) = \sigma^2 < \infty</math>. Decidir si la varianza muestral <math>s^2</math> es o no es un estimador consistente de <math>\sigma^2</math>. (La resolución está en el pdf de Bianco en la página 177) | ||
Revisión del 16:48 7 ago 2017
El final fue tomado por Pablo Amster y se dejo tener la hoja de formulas usada durante la practica. Para aprobar se necesitan al menos 3 puntos bien y como máximo se pueden realizar 5 de los puntos.
Ejercicio 1
Explicar en que consiste un proceso de Poisson y su relación con la distribución de Poisson.
Ejercicio 2
Construir un test de hipótesis de nivel aproximado para el parámetro de una distribución binomial.(La resolución está en el pdf de Bianco en la página 206)
Ejercicio 3
Se repite veces un experimento en forma independiente. Sea un suceso y la cantidad de veces que ocurre . Dado , probar que para . (La resolución está en el pdf de Bianco en las páginas 120-121)
Ejercicio 4
Sean variables aleatorias independientes. y sea . Dado , calcular . (La resolución está en el pdf de Bianco en las páginas 129-131 o también se puede pensar como la generalización de la proposición de la página 75-76)
Ejercicio 5
Enunciar y probar el teorema de Bayes.
Ejercicio 6
Sea una muestra aleatoria de una variable aleatoria tal que . Decidir si la varianza muestral es o no es un estimador consistente de . (La resolución está en el pdf de Bianco en la página 177)
