Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 267 vistas

    PEC Curso2018 UNED

    Cargado por

    Hector
    Este documento presenta una prueba de evaluación continua sobre estadística. Propone dos ejercicios que involucran simulación estocástica usando R u otra herramienta. El primer ejercicio pide simular muestras exponenciales para estimar el sesgo de dos estimadores. El segundo ejercicio simula valores normales usando el método de Box-Muller y construye un histograma para representar la densidad normal, aproximando también una probabilidad. Se recomienda usar funciones básicas de R como runif, max y

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    PEC Curso2018 UNED

    Cargado por

    Hector
    267 vistas5 páginas
    Este documento presenta una prueba de evaluación continua sobre estadística. Propone dos ejercicios que involucran simulación estocástica usando R u otra herramienta. El primer ejercicio pide simular muestras exponenciales para estimar el sesgo de dos estimadores. El segundo ejercicio simula valores normales usando el método de Box-Muller y construye un histograma para representar la densidad normal, aproximando también una probabilidad. Se recomienda usar funciones básicas de R como runif, max y

    Descripción original:

    Pec uned 2018 Estadística

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta una prueba de evaluación continua sobre estadística. Propone dos ejercicios que involucran simulación estocástica usando R u otra herramienta. El primer ejercicio pide simular muestras exponenciales para estimar el sesgo de dos estimadores. El segundo ejercicio simula valores normales usando el método de Box-Muller y construye un histograma para representar la densidad normal, aproximando también una probabilidad. Se recomienda usar funciones básicas de R como runif, max y

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    267 vistas5 páginas

    PEC Curso2018 UNED

    Cargado por

    Hector
    Este documento presenta una prueba de evaluación continua sobre estadística. Propone dos ejercicios que involucran simulación estocástica usando R u otra herramienta. El primer ejercicio pide simular muestras exponenciales para estimar el sesgo de dos estimadores. El segundo ejercicio simula valores normales usando el método de Box-Muller y construye un histograma para representar la densidad normal, aproximando también una probabilidad. Se recomienda usar funciones básicas de R como runif, max y

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 5

    Prueba de evaluación continua

    UNED. I. Informática/I. en Tecnologı́as de la


    Información. Curso 2017-2018

    Dr. Vı́ctor Hernández


    Dr. Jorge Martı́n

    23 de marzo de 2018
    Estadı́stica (I. Informática/I. en Tecnologı́as de la Información)

    1.1. Instrucciones
    La prueba de evaluación continua (PEC) consiste en resolver uno de los
    dos ejercicios propuestos en este documento y tiene como objetivo aplicar de
    manera práctica algunos de los contenidos que se estudian en las Unidades
    didácticas, particularmente en la tercera Unidad, mediante procedimientos
    sencillos de simulación estocástica. Se califica entre 0 y 1 y esa nota se añade
    a la nota obtenida en el examen. Te animamos a hacer el pequeño esfuerzo
    de realizarla, tanto por lo que puedes aprender como por la calificación que
    obtendrás. Debes entregar tu respuesta en la página oportuna del curso
    virtual antes del dı́a 3 de mayo.
    Para resolver estos ejercicios no es necesario emplear funciones complejas,
    basta utilizar las funciones estadı́sticas elementales de una hoja de cálculo
    como Excel, pero, aunque no imponemos la herramienta a utilizar, te reco-
    mendamos el uso de la programación en R. Este lenguaje de programación
    es un estándar para análisis cientı́fico de datos, tanto en ámbitos académi-
    cos como en el sector privado y, junto con Python, se ha convertido en el
    lenguaje de programación para la computación, la visualización y el análisis
    de datos en entornos de Big Data. Nos gustarı́a que esta práctica sirviera
    para tener un primer contacto con R que, además, es de distribución libre y
    se puede descargar de la página web del R project.

    https://www.r-project.org/

    Si decides resolver el ejercicio mediante otro lenguaje o herramienta, por


    favor, haz constar qué has utilizado en tu respuesta.

    1.2. Ejercicios propuestos


    Elige un ejercicio entre los dos siguientes.

    1.2.1. Ejercicio 1
    Consideremos una variable aleatoria X con función de densidad expo-
    nencial dada por ⎧
    ⎨ 1 si x ∈ (0, θ)
    f (x; θ) = θ
    ⎩0 si x ∈ / (0, θ)
    Para estimar θ tomamos una muestra aleatoria simple, (X1 , X2 , . . . , Xn ), de
    tamaño n y consideramos los siguientes estimadores:
    n+1
    T = max(X1 , X2 , . . . , Xn ) y S= max(X1 , X2 , . . . , Xn )
    n
    El ejercicio pretende que calcules un valor aproximado del sesgo de ambos
    estimadores mediante simulación. Para ello, debes simular N muestras de

    2
    1.2. EJERCICIOS PROPUESTOS

    tamaño n, para los valores de N y n que te indicamos a continuación y para


    un valor del parámetro θ = 1. En cada muestra calcularás el valor de cada
    estimador y, a partir de esos valores, hallarás los valores medios de T y S
    en las muestras obtenidas. Esos valores medios son aproximaciones de los
    valores teóricos de E{T } y E{S}, y los emplearemos para analizar el sesgo
    de los estimadores.
    1. Calcula los valores aproximados de E{T } y E{S} cuando N = 10000
    para los tres valores n = 10, n = 50 y n = 100. Describe brevemente el
    procedimiento de cálculo y comenta los resultados obtenidos (máximo
    1 página).
    2. Aproxima el sesgo de ambos estimadores. ¿Cómo varı́a el sesgo en
    función del tamaño muestral n? Si quieres estimar el parámetro θ
    con el menor sesgo posible, ¿cuál de los dos estimadores emplearı́as?
    (máximo 1 página).
    Recomendación. Para resolver este ejercicio utilizando programación en
    R es aconsejable dar un vistazo a alguna introducción breve antes de. Las
    siguientes funciones te pueden ser de utilidad.
    numeric para crear un vector donde guardar los valores de T y S.
    for si necesitas programar el bucle con las simulaciones. Para pro-
    fundizar en los aspectos computacionales de la programación en R,
    un atajo es utilizar la función apply sobre una matriz de B filas y n
    columnas que almacene los datos simulados; las funciones de la clase
    apply utilizan la aritmética vectorizada del R y permiten evitar ciertos
    bucles, con el consiguiente ahorro computacional.
    runif para generar muestras de la distribución uniforme en (0, 1).
    max para calcular el máximo de un vector numérico.
    mean para calcular el promedio.
    La ayuda sobre la sintaxis de cualquiera de las anteriores funciones se
    obtiene tecleando ?nombre de función en la ventana de comandos.

    1.2.2. Ejercicio 2
    En este ejercicio te proponemos simular 50000 observaciones de una va-
    riable aleatoria Z con distribución N (0, 1), a partir de los valores simulados
    de una variable uniforme en (0, 1), utilizando el método de BOX-MULLER
    (capı́tulo 3 del texto).

    1. Describe los pasos del procedimiento para obtener los valores simulados
    de Z e implementarlo en un algoritmo que permita llevar a cabo la
    simulación.

    3
    1.2. EJERCICIOS PROPUESTOS

    2. Explica cómo un histograma de frecuencias nos ayuda a representar


    la función de densidad de una variable continua (si no recuerdas cómo
    representar un histograma de frecuencias, puedes, por ejemplo, consul-
    tar https://www.youtube.com/watch?v=FWHoxj6Tyq4\verb ). Re-
    presenta el histograma de los valores simulados. ¿Qué se puede decir
    de la forma del histograma obtenido? (máximo 1 página).

    3. Utiliza los resultados de la simulación para aproximar la probabilidad


    P (Z > 1.645).

    Recomendación. Para resolver este ejercicio utilizando programación en


    R es aconsejable dar un vistazo a alguna introducción breve antes de. Las
    siguientes funciones te pueden ser de utilidad.

    runif para generar valores de una variable uniforme en (0, 1).

    hist para representar los valores simulados de la distribución N (0, 1)


    mediante un histograma de frecuencias.

    La ayuda sobre la sintaxis de cualquiera de las anteriores funciones se


    obtiene tecleando ?nombre de función en la ventana de comandos.

    También podría gustarte