|
|
- Mario San Segundo Vidal
- hace 5 años
- Vistas:
Transcripción
1 Ing. Rubén Darío Estrella, MBA Cavaliere dell ordine al Merito della Repubblica Italiana (2003) Ingeniero de Sistemas (UNIBE 1993), Administrador (PUCMM 2000), Matemático (PUCMM 2007), Teólogo (UNEV 2002) y Maestro (Salomé Uneña 1985) rubendarioestrella@hotmail.com / rubendarioestrellas@gmail.com
2 Las dos aplicaciones principales de la estadística inferencial implican el uso de datos de muestra para (1) estimar el valor de un parámetro de población y (2) llegar a una conclusión acerca de una población. Estimador: es una estadística de muestra (como la media de muestra) que se usa para aproximar un parámetro de población. Existen dos tipos de estimadores que se utilizan normalmente: - Estimador puntual - Estimador por intervalo
3 Estimados y Tamaño de Muestra Estimado puntual: es un valor individual (o punto) que se usa para aproximar un parámetro de población. Estimador Puntual: utiliza un número único o valor para localizar una estimación del parámetro. La media de muestra es el mejor estimado de la media de población. Podemos decir que la media de la muestra es un estimador no predispuesto de la media de la población, lo que quiere decir que la distribución de las medias de muestra tiende a centrarse alrededor del valor de la media de la población. (Es decir, las medias de muestra no tienden a sobreestimar sistemáticamente el valor de, y tampoco tienden a subestimar sistemáticamente dicho valor. En vez de ello, tienden a centrarse en el valor de misma).
4 Estimados y Tamaño de Muestra Estimación por intervalo: especifica el rango dentro del cual está el parámetro desconocido. Intervalo de Confianza: denota un rango dentro del cual puede encontrarse el parámetro. Es una gama (o un intervalo) de valores que probablemente contiene el valor verdadero del parámetro de población. Un intervalo de confianza se asocia a un grado de confianza, que es una medida de la certeza que tenemos de que nuestro intervalo contiene el parámetro de población. Nivel de confianza (grado o coeficiente de confianza): es la probabilidad 1- (a menudo expresada como el valor porcentual equivalente) de que el intervalo de confianza contiene el verdadero valor del parámetro. Existen tres niveles de confianza relacionados comúnmente con los intervalos de confianza: 99, 95 y 90%, denominados coeficientes de confianza.
5 Estimados y Tamaño de Muestra Valor Alfa : Es la probabilidad de error o la probabilidad de que un intervalo dado no contenga la media poblacional desconocida. Valor Critico Z: Es el número que está en la frontera que separa las estadísticas de muestra que probablemente ocurrirán, de aquellas que probablemente no ocurrirán. Es un puntaje con la propiedad de que separa un área de /2 de la cola derecha de la distribución normal estándar. Margen de Error E: Es la máxima diferencia probable (con una probabilidad de 1-) entre la media de muestra observada y el verdadero valor de la media de población. El margen de error también se denomina error máximo de la estimación y puede obtenerse multiplicando el valor critico y la desviación estándar de las medias de muestras. E = Z * /n
6 E = Z * /n Intervalo de confianza para estimar (media poblacional real desconocida) cuando es conocida. I. C. para estimar = X' E Caso I. Para estimar el gasto promedio de los clientes en el McDonald's local, los estudiantes de Métodos Cuantitativos toman una muestra de 200 clientes y encuentran un gasto promedio de US$5.67, con una desviación estándar poblacional de US$1.10. Cuál es el intervalo de confianza del 95% para los gastos promedio de todos los clientes? Interprete sus resultados.
7 Caso I. Para estimar el gasto promedio de los clientes en el McDonald's local, los estudiantes de Métodos Cuantitativos toman una muestra de 200 clientes y encuentran un gasto promedio de US$5.67, con una desviación estándar poblacional de US$1.10. Cuál es el intervalo de confianza del 95% para los gastos promedio de todos los clientes? Interprete sus resultados. I. C. para estimar = X' E Datos: E = Z * /n = 1.96 * (1.10/200) = 0.15 n=200 I.C. para estimar = US$ N.C.=95% x'=us$5.67 I.C.=? σ=us$1.10 = US$5.52 US$5.82
8
9 MEGASTAT
10 MEGASTAT Confidence interval - mean 95% confidence level 5.67 mean 1.1 std. dev. 200 n z half-width upper confidence limit lower confidence limit
11
12 Caso I. Para estimar el gasto promedio de los clientes en el McDonald's local, los estudiantes de Métodos Cuantitativos toman una muestra de 200 clientes y encuentran un gasto promedio de US$5.67, con una desviación estándar poblacional de US$1.10. Cuál es el intervalo de confianza del 95% para los gastos promedio de todos los clientes? Interprete sus resultados. I. C. para estimar = X' E E = Z * /n = 1.96 * (1.10/200) = 0.15 I. C. = US$5.52 US$5.82 Los estudiantes poseen un 95% de confianza de que la media poblacional desconocida del gasto de los clientes del McDonal's evaluados se encuentra entre el intervalo US$5.52 US$5.82. Si se construyen todos los NCn intervalos de confianza, el 95% de ellos contendrá la media poblacional desconocida. Esto por supuesto significa que el 5% de todos los intervalos estaría errado - no contendrían la media poblacional, el Valor alfa.
13 Si n > 30, podemos sustituir de la formula del E por la desviación estándar de la muestra s. E = Z * s/n Procedimiento para construir un intervalo de confianza para (basado en una muestra grande: n > 30). 1. Encuentre el valor critico Z que corresponda al grado de confianza deseado. 2. Evalúe el margen de error E = Z * /n. Si se desconoce la desviación estándar de la población, use el valor de la desviación estándar de la muestra s, siempre que n > Con el valor del margen de error calculado y el valor de la media de muestra X', obtenga los valores de X'-E y X'+E. Sustituya estos valores en el formato general del intervalo de confianza: X'-E X'+E = X' E (X'-E,X'+E 4. Redondee los valores resultantes aplicando la regla de redondeo.
14 1. Si usa el conjunto de datos original para construir un intervalo de confianza, redondee los limites del intervalo de confianza a una posición decimal más que las empleadas en el conjunto de datos original. 2. Si desconoce el conjunto de datos original y sólo usa las estadísticas resumidas (n, x', s), redondee los limites del intervalo de confianza de acuerdo al mismo número de posiciones decimales que se usan para la media de muestra.
15 Justificación: La idea básica en que se apoya la construcción de intervalos de confianza tiene que ver con el teorema del limite central, que indica que en el caso de muestras grandes (n > 30), la distribución de las medias de muestra es aproximadamente normal con media y desviación estándar /n. El formato de los intervalos de confianza en realidad es una variación de la ecuación: Z = (X' - )/(/n) X' - = Z (/n) - = Z (/n) - X' (-1) = X' - Z (/n) = X' E Precisión: Un intervalo estrecho ofrece mayor precisión, aunque la probabilidad de que contenga se reduce.
16 Caso I. Una muestra consiste en 75 televisores adquiridos hace varios años. Los tiempos de reemplazo de esos televisores tienen una media de 8.2 años y una desviación estándar de 1.1 años (basados en datos de "Getting Things Fixed", Consumer Reports). Construya un intervalo de confianza del 90% para el tiempo de reemplazo medio de todos los televisores de esa época. Caso II. Utilice el grado de confianza y los datos de muestra dados para determinar (a) el margen de error y (b) el intervalo de confianza para la media de la población 1. Estaturas de mujeres: confianza del 95%; n=50, x'=63.4 pulgs., s=2.4 pulgs. 2. Promedios de calificaciones: confianza del 99%; n=75, x'=2.76, s= Puntajes en una prueba: confianza del 90%; n=150, x'=77.6; s=14.2. Ejercicios de la Sección 1 al 10 págs. 175 y 176.
17 Decisiones. Edición Pág. 128 Las decisiones dependen con frecuencia de parámetros que son binarios, parámetros con sólo dos posibles categorías dentro de las cuales pueden clasificarse las respuestas. En este evento, el parámetro de interés es la proporción poblacional. Tanto las proporciones como las probabilidades se expresan en forma decimal o fraccionaria. Al trabajar con porcentajes, los convertimos en proporciones omitiendo el signo de por ciento y dividiendo entre 100. Por ejemplo, la tasa del 48% de personas que no compran libros puede expresarse en forma decimal como 0.48.
18 Estimado puntual para la proporción de población. La proporción de muestra p es el mejor estimado puntual de la proporción de población. p = x/n proporción de muestra de x éxitos en una muestra de tamaño n. Intervalo de confianza para la proporción poblacional. Muchos asuntos de negocios tratan la proporción de la población. Una firma de marketing puede querer averiguar si un cliente (1) compra o (2) no compra el producto. Un banco con frecuencia debe determinar si un depositante (1) pedirá o (2) no pedirá un crédito para auto. Muchas firmas deben determinar la probabilidad de que un proyecto para presupuestar capital (1) generará o (2) no generará un rendimiento positivo.
19 Si n*p y n*(1-p) son mayores que 5, la distribución de las proporciones muestrales será normal y la distribución muestral de la proporción muestral tendrá una media igual a la proporción poblacional y error estándar de: Error estandar de la distribución muestral de las proporciones muestrales: p = p(1-p)/n = pq/n Estimación del Error estándar de la distribución muestral de las proporciones muestrales: sp = p(1-p)/n = pq/n Margen de error del estimado de la proporción de la población: E = (Z)( pq/n)
20 Regla de redondeo para estimados de intervalo de confianza para la proporción de población Redondee los limites del intervalo de confianza a tres dígitos significativos. Intervalo de confianza para estimar la proporción poblacional. I.C. para estimar la proporción poblacional = p E Caso I. E = (Z)( pq/n) En una encuesta de 1068 estadounidenses, 673 dijeron que tenían contestadoras telefónicas (basados en datos de International Mass Retail Association, informados en USA Today). Utilizando estos resultados de muestra, determine: a. El estimado puntual de la proporción de la población de todos los estadounidenses que tienen contestadora telefónica. b. El estimado de intervalo del 95% de la proporción de todos los estadounidenses que tienen contestadora telefónica.
21 I.C. para estimar la proporción poblacional = p E Caso I. E = (Z)( pq/n) En una encuesta de 1068 estadounidenses, 673 dijeron que tenían contestadoras telefónicas (basados en datos de International Mass Retail Association, informados en USA Today). Utilizando estos resultados de muestra, determine: a. El estimado puntual de la proporción de la población de todos los estadounidenses que tienen contestadora telefónica. b. El estimado de intervalo del 95% de la proporción de todos los estadounidenses que tienen contestadora telefónica. a. Estimado puntual para la proporción de población. p = x/n = 673/1068 = b. Intervalo de confianza para estimar la proporción poblacional. E = 1.96 ((0.630)(0.370)/1068) = I.C. para estimar la proporción poblacional: < < < < 0.659
22 Decisiones. Edición Pág. 128 MEGASTAT
23 0.659 upper confidence limit lower confidence limit Estimados y Tamaño de Muestra MEGASTAT Confidence interval - proportion 95% confidence level 0.63 proportion 1068 n z half-width
24
25 En una encuesta de 1068 estadounidenses, 673 dijeron que tenían contestadoras telefónicas (basados en datos de International Mass Retail Association, informados en USA Today). Utilizando estos resultados de muestra, determine: a. El estimado puntual de la proporción de la población de todos los estadounidenses que tienen contestadora telefónica. b. El estimado de intervalo del 95% de la proporción de todos los estadounidenses que tienen contestadora telefónica. a. Estimado puntual para la proporción de población. p = x/n = 673/1068 = b. Intervalo de confianza para estimar la proporción poblacional. E = 1.96 (((0.630*0.370)/1068)) = I.C. para estimar la proporción poblacional: < < < < Este resultado a menudo se informa en el formato siguiente: "Se estima que el porcentaje de los estadounidenses que tiene contestadora telefonica es del 63%, con un margen de error de mas o menos 2.9 puntos porcentuales. También debe informarse el nivel de confianza, pero eso casi nunca se hace en los medios de comunicación. EJERCICIOS DE LA SECCION 20 AL 25 - PAG. 182.
26 Decisiones. Edición Pág. 116 Los factores como el costo y el tiempo a menudo limitan severamente el tamaño de las muestras, y es posible que la distribución normal no sea una aproximación adecuada a la distribución de las medias de muestras pequeñas. En muestras pequeñas, la media de muestra X' generalmente es el mejor estimado puntual de la media de la población.
27 Decisiones. Edición Pág. 116 Condiciones para usar la Distribución t de Student. La muestra es pequeña (n 30). Se desconoce. La población padre tiene una distribución esencialmente normal. (Dado que a menudo se desconoce la distribución de la población padre, la estimamos construyendo un histograma con datos de muestra.)
28 Decisiones. Edición Pág Propiedades importantes de la Distribución t de Student: 1.- La distribución t de Student es diferente para los diferentes tamaños de muestra. (Ver Figura 7.3 en la Pág. 177). 2.- La distribución t de Student tiene la misma forma general de campana simétrica que la distribución normal estándar, pero refleja la mayor variabilidad (con distribuciones más amplias) que cabe esperar cuando la muestra es pequeña. 3.- La distribución t de Student tiene una media t=0 (así como la distribución normal estándar tiene una media de Z=0).
29 Decisiones. Edición Pág La desviación estándar de la distribución t de Student varia con el tamaño de la muestra, pero es mayor que 1 (a diferencia de la distribución normal estándar, que tiene =1). Al igual que la distribución Z, la distribución t tiene una media de cero, es simétrica respeto a la media y oscila entre - y +. Sin embargo, mientras que la distribución Z tiene una varianza de ²=1, la varianza de la distribución t es mayor que A medida que aumenta el tamaño de muestra n, la distribución t de Student se acerca mas a la distribución normal estándar. Con valores de n > 30, las diferencias son tan pequeñas que podemos utilizar los valores críticos de z en lugar de crear una tabla mucho más grande de valores críticos de t.
30 Decisiones. Edición Pág. 116 Varianza de la distribución t ² = (n-1)/(n-3) La varianza depende de los grados de libertad (g.l.), que definimos como el número de observaciones que se pueden escoger libremente. Es el número de observaciones menos el número de restricciones impuestas sobre las observaciones, en donde una restricción es algún valor que tales observaciones deben poseer.
31 Decisiones. Edición Pág. 116 Grados de Libertad: El número de grados de libertad de un conjunto de datos corresponde al número de puntajes que puede variar después de haber impuestos ciertas restricciones a todos los puntajes. Es el número de observaciones menos el número de restricciones impuestas sobre tales observaciones. g.l. = n - 1
32 Decisiones. Edición Pág. 116 El estadístico t t = (X'-) / (s / n)
33 Decisiones. Edición Pág. 116 Margen de Error para la Estimación de : E = t * s/n Intervalo de Confianza para la estimación de (Basada en una muestra pequeña (n 30) y desconocida) I. C. para estimar = X' E X' - E < < X' + E
34 Decisiones. Edición Pág. 116 Caso I. Cuando se usan pruebas destructivas, los elementos de una muestra se destruyen durante el proceso de probarlos. Las pruebas de choques de automóviles son un ejemplo muy costoso de pruebas destructivas. Si usted estuviera encargado de tales pruebas de choque, no querría decirle a su supervisor que necesita chocar y destruir mas de 30 automóviles para poder usar la distribución normal. Supongamos que usted ha probado 12 automóviles deportivos Dodge Viper (Precio d lista actual: US$59,300 dólares) chocándolos en diversas condiciones que simulan colisiones representativas. Un análisis de los 12 automóviles dañados da como resultado costos de reparación cuya distribución al parecer tiene forma de campana, con una media de X'=US$26,227 y una desviación estándar de s=$15,873 (basado en datos de Highway Loss Data Institute). Determine lo siguiente. a) El mejor estimado puntual de la media de población, el costo de reparación medio de todos los Dodge Viper implicados en colisiones. b) El estimado de intervalo del 95% de, el costo de reparación medio de todos los Dodge Viper implicados en colisiones.
35 Decisiones. Edición Pág. 116 Solución: a) El mejor estimado puntual de la media de población es el valor de la media de muestra X'. En este caso, entonces, el mejor estimado puntual de es US$26,227 dólares. b) DATOS: n = 12 automóviles deportivos Dodge Viper X'=US$26,227 dólares costo de reparación s =US$15,873 dolares N.F.= 95% ===> t=? I.C. para =? Dada las condiciones anteriores: 1.- La muestra es pequeña (n30). 2.- Se desconoce. 3.- La población padre tiene una distribución esencialmente normal. (Dado que a menudo se desconoce la distribución de la población padre, la estimamos construyendo un histograma con datos de muestra.) podemos usar la Distribución t de Student:
36 Decisiones. Edición Pág. 116 g.l. = grados de libertad = g.l. = n-1 = 12-1 = 11 usando la tabla de la distribución t (Pág. 606) con los g.l.=11 y N.C.=95% cuyas colas equivalen a 5% (0.05) determinamos el valor critico t. g.l.=11; I.C. con N.C.=95% (0.950); dos colas=5% (0.050) ==> t=2.201 donde E = t (s/ n) E = (15,873/ 12) = US$10, El intervalo de confianza es: X' - E < < X' + E US$26,227-US$10,085.29< < US$26,227+US$10, US$16,142 < < US$36,312 [Este resultado también podría expresarse en el formato de =US$26,227US$10, o como (US$16,142, US$36,312).] Con base en los resultados de muestra dados, tenemos un 95% de confianza en que los limites de USD16,142 y USD36,312 contendrán realmente el valor de la media de población. Estos costos de reparación parecen muy altos. Efectivamente, el Dodge Viper es actualmente el automóvil más costoso de reparar después de una colisión. Tal información es importante para compañías que aseguran Dodge Vipers contra choques.
37 Decisiones. Edición Pág. 116
38 Decisiones. Edición Pág. 116 Confidence interval - mean 95% confidence level mean std. dev. 12 n t (df = 11) half-width upper confidence limit lower confidence limit
39 Decisiones. Edición Pág. 116
40 Decisiones. Edición Pág. 116 Caso II. Utilice el grado de confianza y los datos de muestra dados para determinar (a) el margen de error y (b) el intervalo de confianza para la media de la población. 1) Estaturas de mujeres: confianza del 95%; n=10, x'=63.4 pulg., s=2.4 pulg. 2) Promedios de calificaciones: confianza del 99%; n=15, x'=2.76, s=0.88 3) Puntajes en una prueba: confianza del 90%; n=16, x'=77.6, s=14.2 4) Salarios de policías: confianza del 92%; n=19, x'=$23,228, s=$8,779 Caso III. Ejercicios 12 al 18 Págs y Analizar figura 7.4 Pág. 179.
41 Decisiones. Edición Pág. 120 El tamaño de la muestra juega un papel importante al determinar la probabilidad de error así como en la precisión de la estimación. Una vez se ha seleccionado el nivel de confianza, los factores importantes influyen en el tamaño muestral: (1) la varianza de la población ² y (2) el tamaño del error E tolerable que el investigador esta dispuesto a aceptar.
42 Tamaño de la muestra para estimar. Z = (X' - )/(/n) X' - = Z (/n) n(x' - ) = Z n = Z/(X' - ) n = Z²²/(X' - )² n = Z²²/E² n =[Z/E]² E = Error de Muestreo El tamaño de la muestra debe ser entero. Regla de redondeo para el tamaño de muestra n. Al calcular el tamaño de muestra n, si la fórmula anterior no produce un número entero, siempre debe aumentarse el valor de n al siguiente numero entero mayor.
43 n =[Z/E]² El tamaño de la muestra no depende del tamaño de la población (N); el tamaño de muestra depende del grado de confianza deseado, el margen de error deseado y del valor de la desviación estándar. La duplicación del margen de error hace que el tamaño de la muestra requerida se reduzca a la cuarta parte de su valor original. Por otro lado, si se reduce a la mitad el margen de error se cuadruplicará el tamaño de la muestra. Lo que esto implica es que si queremos resultados más exactos, es preciso aumentar sustancialmente el tamaño de la muestra. Dado que las muestras grandes generalmente requieren más tiempo y dinero, a menudo es necesario efectuar un trueque entre el tamaño de la muestra y el margen de error E.
44 n =[Z/E]² Caso I. Un economista desea estimar los ingresos medios durante el primer año de trabajo de un graduado universitario que, en un alarde de sabiduría, tomo un curso de estadística. Cuantos de tales ingresos es necesario encontrar si queremos tener una confianza del 95% en que la media de muestra este a menos de US$500 dólares de la verdadera media de la población? Suponga que un estudio previo revelo que, para tales ingresos, = US$6250. DATOS: N.C.=95% ===> Z=1.96 Queremos que la media de la muestra este dentro de un margen de US$500 de la media de la población. E=US$500 =US$6,250 n = [(1.96 * 6250)/500]²=
45 MEGASTAT
46 Caso II. Que tan grande se requiere que sea una muestra para que proporcione una estimación del 90% del numero promedio de graduados de las universidades de la nación con un error de 2000 estudiantes si una muestra piloto reporta que s=8,659? Caso III. Nielsen Media Research quiere estimar la cantidad media de tiempo (en horas) que los estudiantes universitarios de tiempo completo dedican a ver televisión cada día entre semana. Determine el tamaño de muestra necesario para estimar esa media con un margen de error de 0.25 horas (15 minutos). Suponga que se desea un grado de confianza del 96%, y que un estudio piloto indico que la desviación estándar se estima en 1.87 horas.
47 Decisiones. Edición Pág. 128 QUE PASA SI SE DESCONOCE? 1.- Podemos utilizar la REGLA PRACTICA DE INTERVALO. En conjuntos de datos representativos, el intervalo del conjunto tiene una anchura aproximada de cuatro desviaciones estándar (4s), así que la desviación estándar se puede aproximar de la siguiente manera: desviación estándar intervalo/4 intervalo/4 Esta expresión proporciona una estimación burda de la desviación estándar, si conocemos los puntajes máximo y mínimo. Si conocemos el valor de la desviación estándar, podemos usarlo para entender mejor los datos, obteniendo estimaciones burdas de los puntajes máximo y mínimo como se indica. mínimo (media) - 2 * (desviación estándar) máximo (media) + 2 * (desviación estándar)
48 QUE PASA SI SE DESCONOCE? Caso I. n =[Z/E]² Si razonamos que los precios de los libros de textos universitario típicamente varían entre US$10 y US$90 dólares. Usted planea estimar el precio de venta medio de un libro de texto universitario. Cuantos libros de textos deberá muestrear si desea tener una confianza del 95% en que la media de la muestra estará a menos de US$2 dólares de la verdadera media de la población? DATOS: intervalo/4 (US$90-US$10)/4 US$20 N.C.=95% ===> Z=1.96 E=US$2 dólares
49 QUE PASA SI SE DESCONOCE? n =[Z/E]² Caso II. Boston Marketing Company lo acaba de contratar para realizar una encuesta con el fin de estimar la cantidad media de dinero que los asistentes al cine de Massachussets gastan (por película). Primero use la regla practica del intervalo para hacer un estimado burdo de la desviación estándar de las cantidades gastadas. Es razonable suponer que las cantidades típicas varían entre US$3 dólares y unos US$15 dólares. Luego utilice esa desviación estándar para determinar el tamaño de muestra que corresponde a una confianza del 98% y a un margen de error de 25 centavos de dólar.
50 Si despejamos a "n" de la expresión del margen de error E. E = (Z) (pq/n) E² = (Z)²(pq/n)² E² = (Z)²(pq/n) E²n = (Z)²(pq) n = [(Z)²(pq)]/E² Cuando se puede obtener un estimado razonable de p utilizando muestras previas, un estudio piloto o los conocimientos de algún experto se utiliza la formula anterior.
51 Cuando no se conoce el estimado puntual p: n = [(Z)²* 0.25]/E² Si no se puede conjeturarse un valor, puede asignarse el valor de 0.5 tanto a p como a q, con lo que el tamaño de muestra resultante será al menos tan grande como necesita ser. La justificación para la asignación de 0.5 es la siguiente: el valor mas alto posible del producto p*q es de 0.25, y ocurre cuando p=0.5 y q=0.5 como se puede observar en la siguiente tabla que usted debe completar: p q p*q
52 Decisiones. Edición Pág. 128 Caso I. Las compañías de seguros se están preocupando porque el creciente uso de teléfonos celulares esta teniendo como resultado un mayor número de accidentes automovilísticos, y están considerando implementar tarifas más altas para conductores que usan tales aparatos. Queremos estimar, con un margen de error de tres puntos porcentuales, el porcentaje de conductores que hablan por teléfono mientras conducen. Suponiendo que queremos tener una confianza del 95% en nuestros resultados, cuántos conductores deberán encuestar? a. Supongamos que tenemos un estimado de p basado en un estudio previo que indicó que el 18% de los conductores habla por teléfono (basados en datos de la revista Prevention). b. Suponga que no tenemos información previa que sugiera un posible valor de p. SOLUCION: a) DATOS: n = [(Z)²(pq)]/E² p=0.18 ; q=0.82 n = [(1.96)²(0.18*0.82]/(0.03)² = N.F.=95% ==> Z=1.96 E=0.03 = tres puntos porcentuales b) DATOS: n = [(Z)²* 0.25]/E² n = [(1.96)²* 0.25]/(0.03)² =
53
54 Decisiones. Edición Pág. 128 Caso II. Una compañía de comunicaciones esta considerando un proyecto para prestar servicio telefónico de larga distancia. Se le pide a usted realizar un sondeo de opinión para estimar el porcentaje de los consumidores que esta satisfecho con su servicio telefónico de larga distancia actual. Usted quiere tener una confianza del 90% en que su porcentaje de muestra estará a menos de 2.5 puntos porcentuales del valor real para la población, y un sondeo sugiere que el porcentaje en cuestión anda alrededor del 85%. Que tan grande deberá ser la muestra?
Enero 2016 Ing. Rubén Darío Estrella, MBA Cavaliere dell ordine al Merito della Repubblica Italiana (2003) Ingeniero de Sistemas (UNIBE 1993), Administrador (PUCMM 2000), Matemático (PUCMM 2007), Teólogo
Más detallesEnero 2016 Ing. Rubén Darío Estrella, MBA Cavaliere dell ordine al Merito della Repubblica Italiana (2003) Ingeniero de Sistemas (UNIBE 1993), Administrador (PUCMM 2000), Matemático (PUCMM 2007), Teólogo
Más detallesESTADÍSTICA II UNIDAD I: ESTIMACIÓN DE PARÁMETROS 3RA PARTE (CLASE 20/09)
ESTADÍSTICA II UNIDAD I: ESTIMACIÓN DE PARÁMETROS 3RA PARTE (CLASE 20/09) Estimación de una media de población: σ conocida Requisitos 1. La muestra es aleatoria simple. (Todas las muestras del mismo tamaño
Más detallesIng. Rubén Darío Estrella, MBA Cavaliere dell ordine al Merito della Repubblica Italiana (2003) Ingeniero de Sistemas (UNIBE 1993), Administrador (PUCMM 2000), Matemático (PUCMM 2007), Teólogo (UNEV 2002)
Más detallesINFERENCIA ESTADÍSTICA MUESTRAL TEMA 2: ESTIMACIÓN POR INTERVALO
UNIDAD 2 INFERENCIA ESTADÍSTICA MUESTRAL TEMA 2: ESTIMACIÓN POR INTERVALO 1 2 RECUERDE: un estimador puntual es un estadístico muestral usado para estimar un parámetro poblacional: x (estimación de μ),
Más detallesTeorema Central del Límite
Teorema Central del Límite TCL: indica que, en condiciones muy generales, la distribución de la suma de v.a. tiende a una distribución normal cuando la cantidad de variables es muy grande. 156 Sea X 1,
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #9 Tema: Estimación puntual y por Intervalo de confianza Prof.: MSc. Julio Rito Vargas A. Grupos: CCEE y ADMVA /2016 Objetivos:
Más detallesFebrero 2016 Ing. Rubén Darío Estrella, MBA Cavaliere dell ordine al Merito della Repubblica Italiana (2003) Ingeniero de Sistemas (UNIBE 1993), Administrador (PUCMM 2000), Matemático (PUCMM 2007), Teólogo
Más detallesEstimación. Diseño Estadístico y Herramientas para la Calidad. Estimación. Estimación. Inferencia Estadística
Diseño Estadístico y Herramientas para la Calidad Estimación Epositor: Dr. Juan José Flores Romero juanf@umich.m http://lsc.fie.umich.m/~juan M. en Calidad Total y Competitividad Estimación Inferencia
Más detallesTécnicas de Muestreo Métodos
Muestreo aleatorio: Técnicas de Muestreo Métodos a) unidad muestral elemental: a.1) muestreo aleatorio simple a.2) muestreo (seudo)aleatorio sistemático a.3) muestreo aleatorio estratificado b) unidad
Más detallesLIMITES O INTERVALOS DE CONFIANZA LUIS FRANCISCO HERNANDEZ CANDELARIA ATENCIA ROMERO
LIMITES O INTERVALOS DE CONFIANZA LUIS FRANCISCO HERNANDEZ CANDELARIA ATENCIA ROMERO TRABAJO DE ESTADISTICA PROBABILISTICA PRESENTADO A LA PROFESORA MARIA ESTELA SEVERICHE SINCELEJO CORPORACIÓN UNIVERSITARIA
Más detallesEstadística Aplicada
Estadística Aplicada Universidad Maimónides 2016 Clase 5 Distribución de la Media Muestral Pedro Elosegui 1 2 Métodos y Distribuciones de Muestreo En estadística nos gustaría contar con los parámetros
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesCuál es el campo de estudio de la prueba de hipótesis?
ESTIMACIÓN Establecer generalizaciones acerca de una población a partir de una muestra es el campo de estudio de la inferencia estadística. La inferencia estadística se divide en estimación y prueba de
Más detallesEstadística Inferencial. Resúmen
Ofimega - Estadística inferencial - 1 Estadística Inferencial. Resúmen Métodos y técnicas que permiten inducir el comportamiento de una población. Muestreo o selección de la muestra: 1. Aleatorio simple:
Más detallesEstimaciones puntuales. Estadística II
Estimaciones puntuales Estadística II Estimación Podemos hacer dos tipos de estimaciones concernientes a una población: una estimación puntual y una estimación de intervalo. Una estimación puntual es un
Más detallesJuan Carlos Colonia INFERENCIA ESTADÍSTICA
Juan Carlos Colonia INFERENCIA ESTADÍSTICA PARÁMETROS Y ESTADÍSTICAS Es fundamental entender la diferencia entre parámetros y estadísticos. Los parámetros se refieren a la distribución de la población
Más detallesIntervalos de confianza Muestras grandes. Estadística Cátedra Prof. Tamara Burdisso
Intervalos de confianza Muestras grandes Por qué un intervalo de confianza? En la Unidad 3 revisamos los conceptos de población y muestra. Los parámetros poblacionales son la media μy la varianza σ 2.
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 8) TEMA Nº 8 ESTIMACIÓN
OBJETIVOS DE APRENDIZAJE: TEMA Nº 8 ESTIMACIÓN Conocer las relaciones entre muestra, análisis estadístico descriptivo y análisis estadístico inferencial. Conocer los conceptos de muestra aleatoria y muestra
Más detallesOtra característica poblacional de interés es la varianza de la población, 2, y su raíz cuadrada, la desviación estándar de la población,. La varianza
CARACTERÍSTICAS DE LA POBLACIÓN. Una pregunta práctica en gran parte de la investigación de mercado tiene que ver con el tamaño de la muestra. La encuesta, en principio, no puede ser aplicada sin conocer
Más detallesCurso: Inferencia Estadística (ICO 8306) Profesores: Esteban Calvo Ayudantes: José T. Medina ESTIMACIÓN POR INTERVALO
ESTIMACIÓN POR INTERVALO Muchas veces queremos obtener información a través de una muestra para poder hacer inferencias de cómo se comportarían distintos parámetros en la población. Al hacer una encuesta
Más detallesIng. Rubén Darío Estrella, MBA
Ing. Rubén Darío Estrella, MBA Cavaliere dell ordine al Merito della Repubblica Italiana (2003) Ingeniero de Sistemas (UNIBE 1993), Administrador (PUCMM 2000), Matemático (PUCMM 2007), Teólogo (UNEV 2002)
Más detallesIntroducción a la inferencia estadística
M. Wiper Estadística 1 / 15 Introducción a la inferencia estadística Michael Wiper Departamento de Estadística Universidad Carlos III de Madrid M. Wiper Estadística 2 / 15 Objetivo Introducir la distribución
Más detallesAnota aquí tus respuestas para esta sección Distribución Z
Tarea 2. Estadística Inferencial Cada sección vale 25%. Cada inciso tiene el mismo peso. Hacer la tarea en equipo de dos personas y entregar solo una copia por cada equipo. 1. Cálculo lo siguiente. Ten
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Tema 11 Estimadores puntuales y de intervalo Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Describir los conceptos de los estimadores puntuales y de intervalo.
Más detallesNotas de clase Estadística R. Urbán R.
Inferencia estadística Sabemos que una población puede ser caracterizada por los valores de algunos parámetros poblacionales, por ello es lógico que en muchos problemas estadísticos se centre la atención
Más detalles1. Considera los datos siguientes: 6, 8, 2, 5, 4, 2, 7, 8, 6, 1, 7, 9 calcula lo que se te pide
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO COLEGIO DE CIENCIAS Y HUMANIDADES ACADEMIA DE MATEMÁTICAS Toda cosa grande, majestuosa y bella en este mundo, nace y se forja en el interior el hombre Gibrán Jalil
Más detallesDistribuciones Muestrales INFERENCIA ESTADÍSTICA JTP. JUAN PABLO QUIROGA
Distribuciones Muestrales INFERENCIA ESTADÍSTICA JTP. JUAN PABLO QUIROGA Temario vmuestras Aleatorias vteorema del Limite Central vla distribución muestra de la media muestral vla distribución muestral
Más detallesDistribución Muestral.
Distribución Muestral jujo386@hotmail.com Uno de los objetivos de la Estadística es tratar de inferir el valor real de los parámetros de la población Por ejemplo Cómo podríamos asegurar que una empresa
Más detallesUniversidad Técnica de Babahoyo INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA
Universidad Técnica de Babahoyo INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA Ateneo Ruperto P. Bonet Chaple UTB-Julio 2016 OBJETIVO Aplicar las técnicas de Muestreo e Inferencia Estadística Determinar el tamaño
Más detallesCENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREO
CENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREO ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: AGOSTO DE 2017 UNIDAD DE APRENDIZAJE PROBABILIDAD
Más detallesInferencia estadística: Prueba de Hipótesis. Jhon Jairo Padilla A., PhD.
Inferencia estadística: Prueba de Hipótesis Jhon Jairo Padilla A., PhD. Justificación Es una etapa de análisis de datos de un experimento comparativo: Se compara un parámetro de una v.a. con un valor dado.
Más detallesEstimación. Introducción. Sea X la variable aleatoria poblacional con distribución de probabilidad f θ donde. es el parámetro poblacional desconocido
Tema : Introducción a la Teoría de la Estimación Introducción Sea X la variable aleatoria poblacional con distribución de probabilidad f θ (x), donde θ Θ es el parámetro poblacional desconocido Objetivo:
Más detallesIntervalos de Confianza
Intervalos de Confianza Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Intervalo de Confianza Se puede hacer una estimación puntual de
Más detallesTEMA N 1.- ANÁLISIS DE REGRESIÓN Y MÉTODO DE MÍNIMOS CUADRADOS
UNIVERSIDAD DE ORIENTE NÚCLEO DE ANZOÁTEGUI EXTENSIÓN REGIÓN CENTRO-SUR ANACO, ESTADO ANZOÁTEGUI Asignatura: Estadística II Docente: Ing. Jesús Alonso Campos TEMA N 1.- ANÁLISIS DE REGRESIÓN Y MÉTODO DE
Más detallesESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA
www.jmontenegro.wordpress.com UNI ESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA PROF. JOHNNY MONTENEGRO MOLINA Objetivos Desarrollar el concepto de estimación de parámetros Explicar qué es una
Más detallesAnota aquí tus respuestas para esta sección Distribución Z
Tarea 2. Estadística Inferencial Cada sección vale 25%. Cada inciso tiene el mismo peso. Hacer la tarea en equipo de dos personas y entregar solo una copia por cada equipo. 1. Cálculo lo siguiente. Ten
Más detallesCap 7 Intervalos de Confianza
Cap 7 Intervalos de Confianza Mate 3015 7.1-1 INTERVALOS DE CONFIANZA PARA UNA PROPORCIÓN 7.1-2 Estadísticas inferencial Ahora discutimos estadística inferencial -el proceso de generalizar la información
Más detallesNombre: Distribuciones de probabilidad continua. Segunda parte.
Estadística 1 Sesión No. 12 Nombre: Distribuciones de probabilidad continua. Segunda parte. Contextualización En la presente sesión aprenderás una de las aplicaciones principales de la distribución t-student,
Más detallesTema 7 Intervalos de confianza Hugo S. Salinas
Intervalos de confianza Hugo S. Salinas 1 Introducción Hemos definido la inferencia estadística como un proceso que usa información proveniente de la muestra para generalizar y tomar decisiones acerca
Más detallesUNIDAD 4. INFERENCIA ESTADÍSTICA. Prof. Eliana Guzmán U. Semestre A-2015
UNIDAD 4. INFERENCIA ESTADÍSTICA Prof. Eliana Guzmán U. Semestre A-05 INFERENCIA ESTADÍSTICA La teoría de la Inferencia Estadística está conformada por aquellos métodos que permiten hacer generalizaciones,
Más detallesINTERVALOS DE CONFIANZA
INTERVALOS DE CONFIANZA INTERVALOS DE CONFIANZA Dado que los estimadores puntuales pocas veces serán iguales a los parámetros que se desean estimar, es posible darse mayor libertad utilizando estimadores
Más detallesEstimación por intervalos de la media poblacional con desviación estándar desconocida
ESTIMACIÓN POR INTERVALO Ya estudiamos cómo estimar intervalos de confianza cuando la desviación estándar poblacional es conocida. En ese caso usamos una estimación de la desviación estándar poblacional
Más detallesESTADÍSTICA DESCRIPTIVA TEMA 2: MEDIDAS NUMÉRICAS
UNIDAD 2 ESTADÍSTICA DESCRIPTIVA TEMA 2: MEDIDAS NUMÉRICAS Medidas numéricas de posición, dispersión, forma y asociación 1 Medidas numéricas de posición, dispersión, forma y asociación Si se calculan para
Más detallesde Muestreo de Medias, Inferencia Estadística (Naturaleza de las Pruebas ) (Cap. 7 y Sec. 8.3)
Variabilidad Muestral, Distribuciones de Muestreo de Medias, Inferencia Estadística (Naturaleza de las Pruebas ) (Cap. 7 y Sec. 8.3) Distribución muestral de un estadístico Es la distribución de valores
Más detallesSeptiembre Ing. Rubén Darío Estrella, MBA
Septiembre 2015 Ing. Rubén Darío Estrella, MBA Cavaliere dell ordine al Merito della Repubblica Italiana (2003) Ingeniero de Sistemas (UNIBE 1993), Administrador (PUCMM 2000), Matemático (PUCMM 2007),
Más detallesTeoría del muestreo. Tipos de muestras
Teoría del muestreo El total de un grupo de datos de llama población o universo, y una porción representativa de este grupo se llama muestra. Las muestras desempeñan un papel muy importante en los trabajos
Más detallesImprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >> UNIDAD III TEORIA DE PEQUEÑAS MUESTRAS O TEORIA EXACTA DEL MUESTREO
Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA > UNIDAD III TEORIA DE PEQUEÑAS MUESTRAS O TEORIA EXACTA DEL MUESTREO En las unidades anteriores se manejó el uso de la distribución z, la cual
Más detallesTema 4: INFERENCIA ESTADÍSTICA - I
Tema 4: INFERENCIA ESTADÍSTICA - I Intervalos de confianza para la media, muesras grandes, varianza conocida Biología sanitaria 2017/18. Universidad de Alcalá M. Marvá. Actualizado: 2018-03-20 Biología
Más detallesESTADÍSTICA INFERENCIAL
ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 10 Nombre: Pruebas de hipótesis referentes al valor de la media de la población Contextualización En estadística existen dos métodos para la
Más detallesCómo se hace la Prueba t a mano?
Cómo se hace la Prueba t a mano? Sujeto Grupo Grupo Grupo Grupo 33 089 74 5476 84 7056 75 565 3 94 8836 75 565 4 5 704 76 5776 5 4 6 76 5776 6 9 8 76 5776 7 4 78 6084 8 65 45 79 64 9 86 7396 80 6400 0
Más detallesCURSO DE MÉTODOS CUANTITATIVOS I
CURSO DE MÉTODOS CUANTITATIVOS I TEMA VI: INTRODUCCIÓN AL MUESTREO Ing. Francis Ortega, MGC Concepto de Población y Muestra POBLACIÓN (N) Es el conjunto de todos los elementos de interés en un estudio
Más detallesJuan José Hernández Ocaña
Juan José Hernández Ocaña L A e s t a d í s t i c a i n fe r e n c i a l n o s permite estimar los p a r á me t r o s de l a p o b l a c ió n a partir d e l a n á l i s i s d e datos de u n a mu e s t
Más detalles1. La Distribución Normal
1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando
Más detallesSOLUCIÓN EXAMEN IV Nombres: Apellidos: C.I.: Firma: Fecha: 19/11/2004
Nombres: Apellidos: C.I.: Firma: Fecha: 19/11/004 MÉTODOS ESTADÍSTICOS I EXAMEN IV PARTE I: Encierre con un círculo la respuesta correcta (0,5 puntos c/u): 1. (V F) Los contrastes de hipótesis de dos muestras
Más detallesMuestreo y Distribuciones en el Muestreo
Muestreo y Distribuciones en el Muestreo Departamento de Estadística-FACES-ULA 03 de Abril de 2013 Introducción al Muestreo En algunas ocaciones es posible y práctico examinar a cada individuo en el Universo
Más detallesTeoría de muestras. Distribución de variables aleatorias en el muestreo. 1. Distribución de medias muestrales
Teoría de muestras Distribución de variables aleatorias en el muestreo 1. Distribución de medias muestrales Dada una variable estadística observada en una población, se puede calcular se media y su desviación
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Mag. María del Carmen Romero 2014 romero@econ.unicen.edu.ar Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo
Más detalles2. Distribuciones de Muestreo
2. Distribuciones de Muestreo Conceptos básicos Para introducir los conceptos básicos consideremos el siguiente ejemplo: Supongamos que estamos interesados en determinar el número medio de televisores
Más detallesTrabajo Práctico: Intérvalos de Confianza
Trabajo Práctico: Intérvalos de Confianza Autores: Astier Gabriel Mazza Pablo Talijancic Iván Profesor: Roberto Villamayor Curso: 3er Año - Ingeniería Electromecánica. Ejercicio 1: En un conocido restaurante
Más detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2.
Más detallesCurso de Estadística Aplicada a las Ciencias Sociales
Curso de Estadística Aplicada a las Ciencias Sociales Tema 10. Estimación de una proporción Cap. 0 del manual Tema 10. Estimación de una proporción Introducción 1. Distribución en el muestreo de una proporción.
Más detallesFolleto de apoyo para el curso de Métodos Cuantitativos T DE STUDENT
Folleto de apoyo para el curso de Métodos Cuantitativos I. Objetivo T DE STUDENT Analizar, comparar e interpretar datos por medio de la distribución t de student, solucionando con creatividad los problemas.
Más detallesInferencia estadística. Hipótesis estadística Errores! y " BC. Nathalia Navarro Trevisan
Inferencia estadística Hipótesis estadística Errores! y " BC. Nathalia Navarro Trevisan ESTADISTICA INFERENCIAL Permite obtener información de la población a través de una muestra Generalización de resultados
Más detallesUNIVERSIDAD ALONSO DE OJEDA ESTADISTICA II
UNIVERSIDAD ALONSO DE OJEDA ESTADISTICA II UNIDAD I MUESTREO Y ESTIMACION DE PARAMETROS (GUIA DE ESTUDIO) DR. DENY GONZALEZ MAYO 2016 La Estadística es un conjunto de métodos para la toma de decisiones
Más detallesMuestreo e intervalos de confianza
Muestreo e intervalos de confianza Intervalo de confianza para la media (varianza desconocida) Intervalo de confinza para la varianza Grados en Biología y Biología sanitaria M. Marvá. Departamento de Física
Más detallesESTADISTICA INFERENCIAL DR. JORGE ACUÑA A.
ESTADISTICA INFERENCIAL DR. JORGE ACUÑA A. 1 PROBABILIDAD Probabilidad de un evento es la posibilidad relativa de que este ocurra al realizar el experimento Es la frecuencia de que algo ocurra dividido
Más detallesESTADÍSTICA. Tema 4 Intervalos de confianza
ESTADÍSTICA Grado en Biología Tema 4 Intervalos de confianza Javier Cárcamo Departamento de Matemáticas Universidad Autónoma de Madrid javier.carcamo@uam.es Javier Cárcamo Estadística. Tema 4: Intervalos
Más detallesTema 6: Introducción a la inferencia estadística Parte 1
Tema 6: Introducción a la inferencia estadística Parte 1 1. Planteamiento y objetivos 2. Estadísticos y distribución muestral 3. Estimadores puntuales 4. Estimadores por intervalos Lecturas recomendadas:
Más detallesDESCRIPCIÓN DE DATOS POR MEDIO DE GRÁFICAS
ÍNDICE Introducción: Entrene su cerebro para la estadística... 1 La población y la muestra... 3 Estadísticas descriptivas e inferenciales... 4 Alcanzar el objetivo de estadísticas inferenciales: los pasos
Más detallesEstimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Más detallesIng. Rubén Darío Estrella, MBA
Septiembre 2014 Ing. Rubén Darío Estrella, MBA Cavaliere dell ordine al Merito della Repubblica Italiana Ingeniero de Sistemas, Administrador, Matemático, Teólogo y Maestro rubendarioestrella@hotmail.com
Más detallesEnero 2016 Ing. Rubén Darío Estrella, MBA Cavaliere dell ordine al Merito della Repubblica Italiana (2003) Ingeniero de Sistemas (UNIBE 1993), Administrador (PUCMM 2000), Matemático (PUCMM 2007), Teólogo
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesDISEÑO Y CÁLCULO DE TAMAÑO DE MUESTRA PARA SU APLICACIÓN A LOS ESTUDIOS DE INVESTIGACIÓN. FACILITADOR: JOSÉ CRISTO NOVA
DISEÑO Y CÁLCULO DE TAMAÑO DE MUESTRA PARA SU APLICACIÓN A LOS ESTUDIOS DE INVESTIGACIÓN. FACILITADOR: JOSÉ CRISTO NOVA INTRODUCCIÓN Los profesionales y docentes del área de la metodología de investigación
Más detallesTécnicas de Muestreo I
1 / 39 Técnicas de Muestreo I Patricia Isabel Romero Mares Departamento de Probabilidad y Estadística IIMAS UNAM agosto 2018 2 / 39 Temario 1. Introducción. Definición de conceptos elementales 2. Muestreo
Más detallesEstimación por Intervalo de la Diferencia entre Medias Poblacionales con Desviación Estándar Conocida
DIFERENCIA ENTRE MEDIAS PARA MUESTRAS INDEPENDIENTES Cuando hacemos estudios, hay veces que solamente queremos identificar los intervalos en que se encuentra un estimador puntual. Sin embargo, también
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesNOTA ESTADÍSTICA ENCUESTA SUPLEMENTARIA DE INGRESOS (ESI)
NOTA ESTADÍSTICA ENCUESTA SUPLEMENTARIA DE INGRESOS (ESI) Julio de 2017 Los errores de muestreo existen como consecuencia de la utilización de una parte de la población para estimar características de
Más detallesEstadística Clase 4. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 011 Clase 4 Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 4 1. Pasos en un proceso estadístico. Inferencia Estadística 3. Estimación Puntual
Más detallesLa Estadística inferencial. Estadística inferencial. La Estadística inferencial. La Estadística inferencial. La Estadística inferencial
Estadística inferencial DEFINICIÓN Estadística Inferencial (o Estadística Analítica): Es la que se ocupa de obtener conclusiones sobre las poblaciones a partir de la información recogida en las muestras.
Más detallesCURSO DE METODOLOGIA DE LA INVESTIGACION
CURSO DE METODOLOGIA DE LA INVESTIGACION Dr. Iván Espinoza Salvadó Profesor Titular III Unidad de Investigación Científica Facultad de Ciencias Médicas. MUESTREO Universo: Conjunto de individuos u objetos
Más detallesCALCULO DE INCERTIDUMBRE DE LAS MEDICIONES DE ENSAYOS
Gestor de Calidad Página: 1 de 5 1. Propósito Establecer una guía para el cálculo de la incertidumbre asociada a las mediciones de los ensayos que se realizan en el. Este procedimiento ha sido preparado
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)
TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de
Más detallesDistribuciones Muestrales e Intervalos de Confianza
Distribuciones Muestrales e Intervalos de Confianza Sesión 5 Dr. Carlos J. Vilalta (DAP) Estadística - Curso propedéutico MAPP 2016 Centro de Investigación y Docencia económicas (CIDE) Contacto: carlos.vilalta@cide.edu
Más detallesDistribuciones muestrales. Distribución muestral de Medias
Distribuciones muestrales. Distribución muestral de Medias TEORIA DEL MUESTREO Uno de los propósitos de la estadística inferencial es estimar las características poblacionales desconocidas, examinando
Más detallesMÉTODOS ESTADÍSTICOS DE LA INGENIERÍA PRIMERA CONVOCATORIA Usando el modelo de probabilidad clásico de Laplace:
MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA PRIMERA CONVOCATORIA 2011-2012 EJERCICIO 1 (1º) Calcular la probabilidad de que al lanzar dos dados la puntuación de uno de ellos sea menor que la del otro. Usando
Más detallesANÁLISIS DE FRECUENCIAS
ANÁLISIS DE FRECUENCIAS EXPRESIONES PARA EL CÁLCULO DE LOS EVENTOS PARA EL PERÍODO DE RETORNO T Y DE LOS RESPECTIVOS ERRORES ESTÁNDAR DE ESTIMACIÓN REQUERIDOS PARA LA DETERMINACIÓN DE LOS INTERVALOS DE
Más detallesRepública de Panamá CONTRALORIA GENERAL DE LA REPÚBLICA Instituto Nacional de Estadística y Censo Unidad de Muestreo
República de Panamá CONTRALORIA GENERAL DE LA REPÚBLICA Instituto Nacional de Estadística y Censo Unidad de Muestreo METODOLOGÍA DEL DISEÑO DE MUESTREO Encuesta entre Empresas no Financieras 2013 1. El
Más detallesEstadística Clase 3. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 010 Clase 3 Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri 1. Pasos en un proceso estadístico 1. Plantear una hipótesis sobre una población.. Diseñar
Más detallesEstadística I Tema 5: Introducción a la inferencia estadística
Estadística I Tema 5: Introducción a la inferencia estadística Tema 5. Introducción a la inferencia estadística Contenidos Objetivos. Estimación puntual. Bondad de ajuste a una distribución. Distribución
Más detallesmás allá de los promedios
L O D D M OS BJETIVOS DE ESARROLLO EL ILENIO más allá de los promedios Introducción a la base de datos EQxIS, algunos conceptos básicos de estadística Las principales características del sistema EQxIS
Más detalles