Universidad Autónoma del Estado de México Inferencia estadística Corrección de examen Actuaria 5 semestre Profesor: Rafael Morales Ibarra Alumna: Alondra Aleli Venancio Perete Grupo: A3 Periodo: 2023B 1. Sean π1….ππ una m.a. con ~ππ₯π(π), donde π > 0, es desconocido y sea πΜ = 1 , obtenga el sesgo π΅(πΜ), π (πΜ) π πΈπΆπ(πΜ). πΜ Solución: Primero obtenemos el sesgo, tenemos π(π₯; π) = 1 π₯π ππ π π La esperanza de πΜ , sabiendo que πΈ(π) = π π π ∑ ∑ πΈ(π₯ ) π ππ , ahora, πΈ(πΜ) = π=1π π = π=1 = π =π π Por lo tanto πΜ es insesgado de π. Ahora calculamos la varianza: πππ(πΜ) = ∑ππ=1 πππ(π₯π ) ∑ππ=1 π 2 ππ 2 π 2 = = 2 = π2 π2 π π Para obtener el sesgo: 1 π΅(πΜ) = ( )π π 2. Suponga que π es una v.a. con ~π(π₯, π) = ππ −ππ₯ π₯ > 0 π¦ π > 0, donde π es el parámetro de la distribución. Use el MMV para estimar al parámetro, si se tienen cinco observaciones de x con valores π1 = 0.9, π2 = 1.7, π3 = 0.4, π4 = 0.7 π¦ π5 = 2.4 Solución: Tenemos ~π(π₯, π) = ππ −ππ₯ con π₯ > 0 π¦ π > 0 5 πΏ(π, π) = ππ −ππ₯ , → ∏ ππ −ππ₯2 = π 4 π −π(π₯1 , π₯2, π₯3, π₯4 , π₯5) π=1 πππΏ(π, π) = 5 πππ − π(π₯, π₯1 , π₯2, π₯3, π₯4 ) = 0 Ahora: π= 5 5 = π₯1 , π₯2, π₯3, π₯4 , π₯5 0.9 + 1.7 + 0.4 + 2.4 + 0.7 ∴ π= 5 = 0.819672131 6.1 3. Sea x una m.a. de una Poisson que tiene una media π > 0. Emplee la π¦ desigualdad de πΆ − π para demostrar que π = π₯Μ es un estadístico suficiente para π. Solución: Según la desigualdad de Cramer-Rao tenemos que para un estimador insesgado π(π₯)ππ π, πππ(π(π₯)) ≥ πΌ(π)1 donde (π) se define como πΌ(π) = π 2 πΈ [(ππ ln π(π₯; π)) ], Tenemos π(π₯; π) = π(−π)ππ₯ π₯! , luego derivamos con respecto a π π π π π πππ(π₯; π) = π(π₯πππ − π − πππ₯!) = − 1 π π π π → πΌ(π): πΌ(π) = πΈ[(ππ₯ − 1)2 ] = π21 πΈ[π₯2 ] − 2π1πΈ[π₯] + 1 = π21 (π + π2 ) − 2 + 1 π 1 = π Para una distribución Poisson πΜ es un estimador insesgado para π. Su varianza π πππ(πΜ ) = π. Usando la desigualdad tenemos: πππ(πΜ ) ≥ ππΌ(π)1 π 1 π π ≥π× 1 ≥ π π π π Dado que la varianza de la media muestral πΜ alcanza el limite inferior establecido por la desigualdad de D-R, πΜ es un estadístico suficiente para π. 4. Suponga que se desea estimar la proporción de contribuyentes (con el enfoque bayesiano) que cometen fraude contra el SAT, manipulando contablemente sus declaraciones para pagar menos o nada en su declaración anual. De una población de 1.3 millones de contribuyentes morales, se selecciona a 150 empresas, de las cuales se encuentra que 12 de ellas efectivamente cometen fraude. El gobierno tiene información de que la tasa de fraude habitual a nivel nacional es de 10%. Solución: Suponemos que el gobierno cree que l tasa de fraude a nivel nacional es de 10%, entonces π = 0.10, luego tenemos que 12 de cada 150 empresas cometen fraude, podemos dar una proporción de muestra: [πΜ = 12 = 0.08] → ππ ππ ππππ. ππ’π πππ‘ππππππ ππ πππ πππππππππ ππππ£πππ . 150 Utilizamos la forma general del teorema de Bayes [π(π΄|π΅) = π(π΅|π΄)×π(π΄) π(π΅) ] donde tendríamos que: π(π΄|π΅) = ππ ππππ πππ π‘ππππππ π(π΅|π΄) = πΏπ ππππππππππππ π(π΄) = ππ πππππππ π(π΅) = ππ ππ£πππππππ Ahora utilizando la E.B. tenemos lo siguiente ∝= 1 + (. 10)(150) = 16 π½ = 1 + (. 90)(150) = 136 Y con los nuevos datos tenemos: ∝= 16 + 12 = 28 π½ = 136 + 138 = 274 La media posterior según nuestros datos es: πΜπππ π‘ππππππ = πΌ 28 = ≈ 0.0927 πΌ + π½ 302 Entonces se estima que alrededor de 9.27% de los contribuyentes cometen fraude.