Curso: Estadı́stica Bayesiana Semestre: I- 2021

Profesor: MSc. Christian Amao Suxo Temas a evaluar:

Tipo de examen: Práctica Calificada 3 -Teorema de Bayes
Fecha: 26/06/2021 -Prioris Objetivas
Tiempo Lı́mite: 90 Minutos -Prioris subjetivas

Indicaciones: Esta práctica calificada cuenta con 3 preguntas con un puntaje máximo al-
canzable de 20 puntos. En cada item justifique y explique rigurosamente su respuesta ya
que el procedimiento de solución será considerado.

1. Un laboratorio médico está realizando pruebas de un medicamento para reducir la presión

arterial. Para probar la efectividad del mismo, se decide seleccionar aleatoriamente a
n pacientes con hipertensión arterial de un hospital de la ciudad. De estos pacientes
se desea medir la reducción en la presión arterial una vez que se les haya aplicado el
medicamento. Si la reducción media de la presión arterial del mejor medicamento en
el mercado actual es de µ0 y si se supone que las mediciones de la reducción en la
presión arterial poseen distribución normal con varianza conocida. Entonces, responda
los siguientes items:
(a) (1 pto) Construya un intervalo de confianza para el parámetro de interés.
(b) (2 ptos) Usando una priori invariante por traslación para el parámetro de interés,
construya un intervalo de credibilidad basado en cuantiles para el mismo.
(c) (1 pto) Comparando los resultados hallados en (a) y (b), ¿qué puede concluir?
(d) (1 pto) Plantee la hipótesis estadı́stica que desea probar el laboratorio con respecto
al nuevo medicamento que está creando.
(e) (1 pto) Resuelva el problema de hipótesis bajo el enfoque frecuentista.
(f) (2 ptos) Usando una priori invariante por traslación para el parámetro de interés,
resuelva el problema de hipótesis bajo el enfoque bayesiano.
(g) (2 pto) Analice los resultados hallados en (e) y (f). ¿Qué relación existe entre el
p-valor y la probabilidad posteriori de la hipótesis nula? ¿Por qué? Justifique.

2. (10 ptos) Dada una muestra {x1 , x2 , . . . , xn } de n perfiles p−variados provenientes de

una población con distribución Np (0, V), la distribución Wishart se define como

W = X0 X ∼ Wp (V, n)

donde Xn×p es la matriz que contiene la información de la muestra extraı́da. Detalle

el proceso de simulación para generar un valor simulado de una matriz aleatoria con
distribución Wishart.

“Lo que sabemos hoy no es lo que sabremos mañana”

C.A.S