UNIVERSIDAD NACIONAL DE INGENIERIA ESTADISTICA BAYESIANA. FACULTAD DE INGENIERIA ECONOMICA ¥ CC.SS. PROF: MSC, NEL QUEZADA LUCIO EXAMEN PARCIAL 1. Una empresa desea estudiar el niimero de visitas diarias que tiene su pagina web. El nimero de visitas sigue una distribucién de Poisson, P(A). Para una muestra de tamaiio n, X1, «+ Xo indica el nimero de visitas en cada uno de esos dias, se pide. a, Obtener una distribucién a priori conjugada para el proceso de muestreo anterior & identificar la a posteriori. b. @ identificar la a posteriori. Obtener una distribucién a priori impropia no informativa tipo Jeffreys para dicho muestreo Relacionar con la anterior.ww Laas mp) a Mer eget == oT Ete ede locates, SS inp ties a 2. Sisse tiene la siguiente red bayesiana hallar P(A,B,C,D,E,F.G)PER ED CSA AEE Re) PLEIGBIA) POIGBA) —__ Pleia,ay Peaiay PAY AY PLEA) Pro) PCa) 3. Si =9(@) es una transformacién uno a uno de @, entonces Ia priori de Jeflreys para 9 es (9) & [1(¢)]". Esta priori tiene la propiedad de ser invariante bajo transformaciones uno @ uno. hey CPCS Diy CPOA#D 2 diy (PCuqied) ae a _aeas Se ae PCXIGY) = Dtog (pcxiad) Se + Hayporen fer? 29 pine) Se + Sintec (ey pecato ceogats RL =p fee4. Presente un caso aplicativo de uno de los temas que le toco exponer. (CASO APLICATIVO: En la tabla, aparece el namero de accidentes fatales y muertes en accidentes aéreos regulares durante un aflo a lo largo de un periodo de 10 afios. Supéngase que et ndmero de accidentes fatales cada afo es independiente al de otros afes, con una: Gistribucion Poikson con parimetro 8. Sea Xi numero de accicentes fatales que se ‘producen cada afte. Entonces: Xi~FOx 1.0) Tecteonan tnitoe | Poon 25 Ey 25 29, 28 26 27 > SOLUCION: Ltizando una ditribucien 2 prio na intormativa porlaregia de letfrays, la mater de oo mt yon [EE et x (0) « AV@D Setensvs Mx 0) =", luego tomende logeritme se abtiene ave: Log UCx,10))= -0 + x, log 0 - log xiycalculando la parcial can respecto de 6 se obtiene: {Log #Gal a) ie a (Log foal 0) Tee mil lies aN Wee ‘As(la matriz de informacin de Fisher seré: Koy=-E|- = |-42 x@)a{e = ¥ por lo tanta: La cual claramente se ve que no es propia, sin embargo, haciendo el célculo de la distribucion a posteriori se ve que: xlalxee™ ore” La eual es el kernel de una distribuci6n Gamma, par le que: : f \ Tisrbuin api nina : \ Epes 560 2 f Viana 25 5 / Inenabcele | (2.451280) Distribucién a posterior! usando la distribucién a priori no informativa de Jeffreys. (Momentos e intervala cretble de la distribucién a posteriori.