Preguntas Clave de Estadística: Distribuciones, Estimadores e Hipótesis Explicadas
Preguntas sobre Distribuciones y Estimación
1. Distribución Exponencial
¿Si X e Y son Exponenciales de parámetro 1 y 2, cuál de las 2 presenta mayor dispersión relativa? ¿Por qué?
Las 2 presentan idéntica dispersión relativa (coeficiente de variación), pues en dicho modelo μ y σ son iguales, valga lo que valga el parámetro.
2. Distribución Normal
En la distribución Normal, ¿qué papel juega la media en la mayor o menor apuntamiento de su gráfica?
Ninguno. El apuntamiento de la distribución Normal depende únicamente de σ (o de la varianza), es decir, de la dispersión.
3. Estimación Insesgada
Para estimar una varianza poblacional desconocida, ¿garantiza la insesgadez del estimador que la estimación coincida con el verdadero valor de dicha varianza poblacional? ¿Por qué?
No. La insesgadez de un estimador solo garantiza que su media (y no la estimación concreta) coincide con el parámetro desconocido a estimar.
4. Contraste de Hipótesis Bilateral
En un contraste de hipótesis bilateral, ¿qué se puede afirmar acerca de la probabilidad de cometer error de tipo II?
Que no se puede obtener, ya que al estar compuesta la hipótesis alternativa, no se le asigna un valor concreto al parámetro.
5. Relación entre Ji-Cuadrado y Normal
Diga la relación entre el modelo Ji-Cuadrado y la Normal.
El modelo Ji-Cuadrado se obtiene mediante la suma de variables Normales, independientes, de media cero y varianza unitaria (siendo el número de variables Normales los grados de libertad).
Para un número suficientemente elevado de grados de libertad, el modelo Ji-Cuadrado se aproxima a una Normal de parámetros 0 y 1.
6. Existencia de Moda y Media
¿Está garantizada siempre la existencia de la moda si la variable aleatoria es continua? ¿Por qué? ¿Y de la media?
La moda no. Al ser el valor de la variable que hace máxima la densidad, dicho máximo no tiene por qué existir.
La media tampoco está garantizada: la correspondiente integral debe ser convergente para que exista.
7. Estadístico y Estimador
¿Qué es un estadístico y qué lo diferencia de un estimador?
Un estadístico es una función que reduce la dimensión de la muestra (en general, a dimensión 1) sin depender de parámetros desconocidos.
La diferencia es que un estimador sí depende de parámetros desconocidos, y no tiene por qué tomar valores en el espacio paramétrico, mientras que el estadístico no tiene esa restricción.
8. Definición Axiomática de Probabilidad
Definición axiomática de probabilidad.
Una probabilidad o función de probabilidad es una función que asigna a cada suceso del álgebra de sucesos (A, dominio) un número entre 0 y 1, ambos incluidos (R, recorrido), que verifica los siguientes tres axiomas:
- No negatividad: P(A) ≥ 0 para todo A del dominio.
- Certeza: P(E) = 1, siendo E el espacio muestral.
- Aditividad: si A₁, A₂, ..., Aⱼ son disjuntos, entonces P(∪Aⱼ) = Σ P(Aⱼ).
9. Simetría de la Distribución Binomial
¿Qué ha de ocurrir para que el modelo Binomial sea simétrico cuando el parámetro n es pequeño?
Que el parámetro p sea 0.5. En ese caso, es igual de probable obtener éxitos que fracasos.
10. Varianza y Estimadores Sesgados
¿Por qué la varianza no es una medida válida para comparar estimadores sesgados?
Porque la varianza es la media de las distancias al cuadrado respecto a la media. Al ser sesgado, la media del estimador no coincide con lo que se pretende estimar, y por tanto la varianza no cuantifica la distancia de cada estimador al valor real que se quiere estimar.