Universidad Autónoma de Madrid Probabilidad y Estadística
|
|
- Luis Miguel Cano Carrizo
- hace 5 años
- Vistas:
Transcripción
1 Propuesta de Problemas 7 (Soluciones) 1. a) Y es el promedio al sacar dos boletos con reposición de Y y hacer su promedio. Por eso, puede tomar los valores 1, 1.5 y. Tenemos que, P(Y = 1) = P( 1 1 ) = = %, 584 P(Y = 1.5) = P( 1 ) = = %, 584 P(Y = ) = P( ) = = %, 584 luego su caja queda Y = Para X hacemos lo mismo. Su rango sería 0, 1,, 3, 4, y calculado probabilidades vemos que X = En el caso de queda así porque X = ocurre si sale de X, o si sale 0 4 o 4 0. b) Podemos usar la caja de X para hacerlo. Como vemos, el único boleto con menos unidades que 3 es 4. Por tanto, la probabilidad que nos piden sería % c) De nuevo se haría calculando la función de masa de X Y. Podemos usar las cajas de X y Y. Así, sería como sacar un boleto de X y restarle otro sacado de Y. Su rango es Sólo me falta el número de boletos de cada uno. Por ejemplo, como P(X Y = ) = P(X = 0 y Y = ) = = A B AB con A y B los números totales de boletos en X e Y. De la misa forma, P(X Y = 1) = P(X = 0 y Y = 1)+P(X = 1 y Y = ) = AB que queda /AB. Continuando con esos cálculos, la caja de X Y tendrá los siguientes boletos: de 7
2 Por supuesto, si habéis aproximado la caja os puede quedar con menos boletos. Por tanto, P(X Y 1) = que da aproximadamente d) Tenemos que S X = AB (X 1 X) + (X X) 1 = 0.8 %. (X 1 X 1 + X luego podemos escribirla sencillamente como S X = X X 1, ) + (X X 1 + X ) = ( X X 1 ) es decir, la diferencia entre los dos boletos sacados dividida por. Así, el rango queda 0, / y 4/, que podemos escribir como 0 = =.8... Tenemos que luego P(S X = 0) = P( 0 0 ) + P( ) + P( 4 4 ) = = , P(S X = ) = P( 0 ) + P( 4 ) = , P(S X = 8) = P( 4 0 ) = , S X = Por el cálculo que hemos hecho para S X, tenemos que C Y = Y 1+Y µ Y Y 1 Y / = Y 1 + Y µ Y Y 1 Y = Y 1 + Y Y 1 Y = Y 1 + Y Y 1 Y Por tanto, su rango es Tenemos que P(C Y = ) = P( 1 1 ) = = de 7
3 luego P(C Y = ) = P( 1 ) = = , P(C Y = ) = P( ) = = , C Y = Inf Inf.. a) No, ya que cuando obtenemos que no hay evidencia estamos diciendo que no podemos decir nada concluyente. Para ver si el medicamento no es efectivo deberían hacer un test distinto y ver lo que sale. b) En principio no tiene sentido, ya que no hay un proceso de azar controlado. La información sobre los 50 pacientes la vamos a saber completa, pero no podemos extrapolar esos resultados al conjunto de enfermos (a no ser que supongamos que los 50 enfermos del hospital es como si hubieran sido elegidos al azar de entre la población de enfermos). c) Podemos casi descartar que los resultados se hayan debido a la suerte, pero no podemos asegurar que el experimento esté bien hecho (si lo estuviera, entonces sí podríamos estar casi seguros de que ciertas partículas alcanzan velocidades superiores a la de la luz), ya que eso no depende del azar. d) Primero vamos a calcular la t para la cuál P( T d t) = 95 %. En este caso, usando la fórmula queda d = 81, y como P( T ) 95 %, tenemos que t Por tanto, las µs que van a estar en el intervalo de confianza son µ 4.1 / /50 = x y µ s x /n + s y/m < 1.99 es decir, el intervalo para la media de la Facultad de Ciencias menos la de la de Letras queda 0.6 ± ± 1.68 = ( 1.08,.8). Si lo habéis hecho con la Z queda esencialmente lo mismo. Para comprobar la fiabilidad del intervalo calculado, deberíamos pintar histogramas para ambas muestras (para ver que queden más o menos centrados). 3. a) El modelo que asumen es que las temperaturas de las 10 bobinas que construyan es como si las sacasen al azar de entre la población de temperaturas de las 1000 bobinas que construirían posteriormente (al menos en cuanto a la temperatura que alcanzarían en ese proceso); además, asumen que dicha población de temperaturas de las 1000 bobinas tendrá un histograma aproximadamente centrado. b) Por una parte, tenemos que P(T 9.8)) 1 %. Por otra, el cociente de los datos de la muestra queda x µ s x / = n 10.6/ Como , la respuesta es sí hay evidencia. 3 de 7
4 c) Deberían ver si los datos de la muestra son razonables para el modelo que se ha usado. Para ver si es razonable suponer que es como si se hubieran sacado al azar, pintamos un diagram de dispersión (con respecto a la posición en que fueron construídas), y queda muestra Index Aunque haya un dato alejado de los demás, no se ven tendencias, así que en principio no veríamos problemas en esa hipótesis. Para ver si la población de temperaturas de bobinas puede ser centrada, pintamos el histograma de los datos de la Histogram of muestra1 muestra: Density muestra1 En este caso, vemos que hay un dato muy separados de la mayoría. Por tanto, no es razonable 4 de 7
5 asumir que la población es centrada. El cliente no debería fiarse de las conclusiones de GE. Debería pedir a GE que revisara su proceso de construcción (o cambiar de proveedor). Histogram of muestra d) En este caso, el histograma queda razonable Density pero en el diagrama de dispersión muestra muestra Index vemos que hay una clara tendencia ascendente en los datos, por lo que no es razonable pensar que son datos sacados al azar. El cliente no debería fiarse de las conclusiones de GE. En particular, parece que si siguen 5 de 7
6 así las bobinas que construyan después se van a calentar más que las de ahora. 4. a) Por una parte, tenemos que P(χ ) = 5 %. Por otra, 3/40 136/00 ( ) 30/40 136/00 + ( ) 18/40 136/00 + ( ) / / /40 8/40 136/00 +( ) 37/40 136/00 + ( ) / /40 Como , la conclusión es que sí hay evidencia de que hay diferencia educativas entre las provincias. b) Aunque dicho método usa azar, no es como sacar boletos de una caja donde estuviesen todos los niños (en particular, siempre van a salir al final niños de la misma escuela). Por tanto, dicho test no sería válido. Con ese método, habría que diseñar otro test diferente (nosotros sólo hemos visto tests para cuando seleccionamos la muestra como sacando boletos al azar de una caja). c) En ese caso, normalmente usarían el test par ver si hay evidencia de que la diferencia de proporciones p = p 1 p es distinta de cero. Como P( Z 1.96) = 5 %, y 3/40 30/ / / Como 1.68 < 1.96 la conclusión sería que no hay evidencia de que haya diferencias entre esas dos provincias. d) Numeremos a las provincias como X 1, X, X 3, X 4 y X 5. Como hemos visto en el apartado anterior, al hacer el test para comparar X 1 y X al 5 % de significación, miramos si la variable está en la región C 1 = X 1 X X 1 (1 X 1 )/40 + X (1 X )/40 C , que tiene una probabilidad de 5 %. De la misma forma, si queremos comparar X con X 5, debesos ver si C Lo que queremos es saber la probabilidad de que alguno de esos tests de Sí, es decir P(C o C o... o C ). El problema para calcular dicha probabilidad es que por ejemplo C 1 no es independiente de C 13, ya que tienen la variable X 1 en común. Pero, como sólo necesitamos una cota inferior, siempre podemos quedarnos con algunas que sean independientes, por ejemplo P(C o C o... o C ) P(C o C ). 6 de 7
7 Pero P(C o C ) = P(C ) + P(C ) P(C y C ) que por independencia queda 5 % + 5 % 5 % 5 % = 9.75 %. Así, hemos visto que la significación es mayor que 9.75 %, luego mayor que 8 %. En R me da la estimación % para la significación, luego parece que en realidad es mucho mayor de 9.75 %. 7 de 7
Universidad Autónoma de Madrid Probabilidad y Estadística
Examen (Soluciones) Duración: 3 horas. 1. a) Como nos dicen que podemos asumir que la muestra es de tamaño grande, entonces podemos usar la aproximación normal para hacer el test. Según la tabla, tenemos
Más detallesUniversidad Autónoma de Madrid Probabilidad y Estadística
Pendiente de la lección 1: Lección 6 Variables aleatorias ˆ Si Ω es infinito, Ω sería su área en P(A) = A / Ω. ˆ Vamos a lanzar un bolígrafo en un suelo con pequeñas baldosas blancas que tienen un dibujo
Más detallesTÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
Más detallesTests de hipótesis. Técnicas de validación estadística Bondad de ajuste. Pruebas de bondad de ajuste. Procedimiento en una prueba de hipótesis
Tests de hipótesis Técnicas de validación estadística Bondad de ajuste Patricia Kisbye FaMAF 27 de mayo, 2008 Test - Prueba - Contraste. Se utilizan para contrastar el valor de un parámetro. Ejemplo: la
Más detallesDISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II
DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II SOLUCIÓN PRACTICA 1 Problema 2-. Para una serie de investigaciones, en las que el tamaño de la muestra era el mismo, se ha calculado la t de Student con objeto
Más detallesTEMA 3: MUESTREO Y ESTIMACIÓN. Estimación de la Media
TEMA 3: MUESTREO Y ESTIMACIÓN Estimación de la Media INTRODUCIÓN Supongamos que queremos estudiar una determinada característica de una población. Como vimos en el anterior power point, es muy complejo
Más detallesINFERENCIA PARÁMETRICA: RELACIÓN ENTRE DOS VARIABLES CUALITATIVAS
. Metodología en Salud Pública INFERENCIA PARÁMETRICA: RELACIÓN ENTRE DOS VARIABLES CUALITATIVAS Autor: Clara Laguna 7.1 INTRODUCCIÓN Los datos categóricos o variables cualitativas son muy frecuentes en
Más detallesTema 1: Distribuciones en el muestreo
Tema 1: Distribuciones en el muestreo 1 (transparencias de A. Jach http://www.est.uc3m.es/ajach/) Muestras aleatorias Estadísticos Concepto de distribución muestral Media muestral Distribución muestral
Más detallesContrastes basados en el estadístico Ji Cuadrado
Capítulo 10 Contrastes basados en el estadístico Ji Cuadrado 10.1. Introducción Existen multitud de situaciones en el ámbito de la salud en el que las variables de interés, las cuales no pueden cuantificarse
Más detallesControl Estadístico de Procesos. Medidas de Tendencia Central
Control Estadístico de Procesos Medidas de Tendencia Central Una característica importante de cualquier población es su posición, es decir, donde está situada con respecto al eje de abscisas (Eje horizontal).
Más detallesVariables aleatorias 1. Problema 1
Variables aleatorias 1 Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Estadística Variables aleatorias Problema 1 La dimensión de ciertas piezas sigue una distribución normal
Más detallesPROBLEMAS DE DISTRIBUCIÓN NORMAL Y INTERVALOS DE CONFIANZA MATEMÁTICAS APLICADAS A LAS CC.SOCIALES II
PROBLEMAS DE DISTRIBUCIÓN NORMAL Y INTERVALOS DE CONFIANZA MATEMÁTICAS APLICADAS A LAS CC.SOCIALES II 1.- Las tallas de una muestra de 1000 personas siguen una distribucióormal de media 1,76 metros y desviación
Más detallesMatemáticas Nivel Medio Matemáticas Ap.CC.SS.II
Matemáticas Nivel Medio Matemáticas Ap.CC.SS.II Martes, 6 de febrero de 018 1 hora y 15 minutos. NOMBRE APELLIDOS CALIFICACIÓN 1. La longitud auricular de la oreja en varones jóvenes, medida en centímetros
Más detallesTema 3: Inferencia estadística. Estimación de la media y la proporción
Tema 3: Inferencia estadística. Estimación de la media y la proporción Intervalo característico Valor crítico. Intervalo característico para una N(0, 1). Intervalo característico para una N(μ, ). Distribución
Más detalles+ 1. La función del tercer tramo es un polinomio (una constante) que tampoco da problemas en ningún punto.
1.- Considerad la función: x + 4 x para x 0 + 1 f(x) = 12x 36 x para 0 < x < 3 9 2 para x 3 a) Estudiar, en todos los puntos del dominio, la continuidad de f. b) Estudiar, en todos los puntos donde sea
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 detallesBioestadística: Variables Aleatorias. Distribuciones de Probabilidad II
Bioestadística: Variables Aleatorias. Distribuciones de Probabilidad II M. González Departamento de Matemáticas. Universidad de Extremadura 3. El periodo de incubación de una determinada enfermedad se
Más detallesENCUESTA CUATRIENAL DE ESTRUCTURA SALARIAL 2014
ENCUESTA CUATRIENAL DE ESTRUCTURA SALARIAL 2014 Categoría: Bachillerato Grupo: PEPE Alumno: José M. García Arcas Tutora: M. José Calvo Leva IES Rey Carlos III OBJETIVOS. TÉCNICAS USADAS. PROGRAMAS INFORMÁTICOS
Más detallesTema 3: Inferencia estadística. Estimación de la media y la proporción
Tema 3: Inferencia estadística. Estimación de la media y la proporción Intervalo característico Valor crítico. Intervalo característico para una N(0, 1). Intervalo característico para una N(μ, ). Distribución
Más detallesEXAMEN DE ESTADÍSTICA Septiembre 2011
EXAMEN DE ESTADÍSTICA Septiembre 2011 Apellidos: Nombre: DNI: GRUPO: 1. De una clase de N alumnos se tiene la siguiente información sobre las calificaciones obtenidas del 1 al 8 en una cierta asignatura
Más detallesExamen Extraordinario de Estadística I, 22 de Junio de Grados en ADE, DER-ADE, ADE-INF, FICO, ECO, ECO-DER.
Examen Extraordinario de Estadística I, de Junio de 1. Grados en ADE, DER-ADE, ADE-INF, FICO, ECO, ECO-DER. NORMAS: 1 Entregar cada problema en un cuadernillo distinto, aunque esté en blanco. Realizar
Más detallesRESUMEN CONTENIDOS TERCERA EVALUACIÓN PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL
RESUMEN CONTENIDOS TERCERA EVALUACIÓN PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL 1) PROBABILIDAD Experimentos aleatorios. Concepto de espacio muestral y de suceso elemental. Operaciones con
Más detallesGrado en IIAA y Grado en IHJ Asignatura: Estadística Aplicada. Curso Examen de prácticas de FEBRERO 2013
Grado en IIAA y Grado en IHJ Asignatura: Estadística Aplicada. Curso 2012-2013 Examen de prácticas de FEBRERO 2013 NOMBRE:...APELLIDOS:... ESPECIALIDAD:... Los niveles de contaminantes en productos alimenticios
Más detallesTema 14: Inferencia estadística
Tema 14: Inferencia estadística La inferencia estadística es el proceso de sacar conclusiones de la población basados en la información de una muestra de esa población. 1. Estimación de parámetros Cuando
Más detallesTema 14: Inferencia estadística
Tema 14: Inferencia estadística La inferencia estadística es el proceso de sacar conclusiones de la población basados en la información de una muestra de esa población. 1. Estimación de parámetros Cuando
Más detallesEjemplos Resueltos Tema 4
Ejemplos Resueltos Tema 4 01 1. Intervalo de Confianza para la Media µ (con σ conocida Dada una muestra de tamaño n, para un nivel de confianza 1-α y la desviación típica de la población σ, el Intervalo
Más detallesCONTRASTES DE HIPÓTESES
CONTRASTES DE IPÓTESES 1. Contraste de hipótesis 2. Contrastes de tipo paramétrico 2.1 Contraste T para una muestra 2.2 Contraste T para dos muestras independientes 2.3 Análisis de la varianza 3. Contrastes
Más detallesGrado en IIAA y Grado en IHJ Asignatura: Estadística Aplicada. Curso SEPTIEMBRE 2014 NOMBRE:...APELLIDOS:... ESPECIALIDAD:...
Grado en IIAA y Grado en IHJ Asignatura: Estadística Aplicada. Curso 2013-2014 SEPTIEMBRE 2014 NOMBRE:...APELLIDOS:... ESPECIALIDAD:... Para estudiar el efecto de la temperatura, en C, sobre el vigor durante
Más detallesMatemática Aplicada y Estadística - Farmacia Soluciones del Primer Examen Parcial - Grupo 3
1. Se está haciendo un estudio de medicamentos diferentes que contienen un principio activo común La distribución de frecuencias se indica en la tabla que sigue: Cantidad de sustancia mg [10,20 [20,30
Más detallesAplicación de la distribución empírica: Tests de bondad de ajuste
Aplicación de la distribución empírica: Tests de bondad de ajuste 4 de marzo de 2009 Test de bondad de ajuste Supongamos que se dispone de una m.a.s de tamaño n de una población X con distribución desconocida
Más detallesMedidas de centralización
1 1. Medidas de centralización Medidas de centralización Hemos visto cómo el estudio del conjunto de los datos mediante la estadística permite realizar representaciones gráficas, que informan sobre ese
Más detalles1. Introducción LECCIÓN 6: MUESTREO ALEATORIO
LECCIÓN 6: MUESTREO ALEATORIO. Introducción El objetivo básico de la estadśtica es estudiar, de un modo aproximado, alguna característica de una población. Supongamos que en un cierto estudio científico
Más detallesTema 4: Estimación por intervalo (Intervalos de Confianza)
Tema 4: Estimación por intervalo (Intervalos de Confianza (a partir del material de A. Jach (http://www.est.uc3m.es/ajach/ y A. Alonso (http://www.est.uc3m.es/amalonso/ 1 Planteamiento del problema: IC
Más detallesEstadística aplicada a la comunicación
Estadística aplicada a la comunicación Tema 6: Análisis de datos cuantitativos II: introducción a la estadística inferencial OpenCourseWare UPV/EHU Unai Martín Roncero Departamento de Sociología 2 unai.martin@ehu.eus
Más detallesVariables aleatorias
Estadística Variables aleatorias Supongamos que realizamos el experimento: tirar dos veces un dado. Hasta ahora, hemos tratado sucesos, por ejemplo: A2 = la suma de dos tiradas de un dado es 2. Podemos
Más detallesUNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 8
UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 8 DOCENTE: Ing. Patricio Puchaicela ALUMNA: Andrea C. Puchaicela G. CURSO: 4to. Ciclo de Electrónica y Telecomunicaciones AÑO
Más detallesEstadística I Solución Examen Final- 19 de junio de Nombre y Apellido:... Grupo:...
Estadística I Examen Final- 19 de junio de 2009 Nombre y Apellido:... Grupo:... (1) La siguiente tabla muestra las distribuciones de frecuencias absolutas de la variable altura (en metros) de n = 500 estudiantes
Más detallesGrado en IIAA y Grado en IHJ Asignatura: Estadística Aplicada. Curso Examen de prácticas de JUNIO 2012
Grado en IIAA y Grado en IHJ Asignatura: Estadística Aplicada. Curso 2011-2012 Examen de prácticas de JUNIO 2012 NOMBRE:...APELLIDOS:... ESPECIALIDAD:... Uno de los problemas más desafiantes para el control
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 detallesMATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN. a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico.
MATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN 1. Conteste las preguntas siguientes: a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico. 1. 2. 3. 4. b. En
Más detallesMatemática Aplicada y Estadística - Grado en Farmacia Curso 2014/15 1er. Examen Parcial 6 de noviembre de 2014
Matemática Aplicada y Estadística - Grado en Farmacia Curso 2014/1 1er. Examen Parcial 6 de noviembre de 2014 Apellidos y nombre del alumno/a Grupo 4 1. 2 puntos) En la siguiente tabla se refleja la distribución
Más detallesESTADÍSTICA BIVARIADA
ESTADÍSTICA BIVARIADA Estadística y Tecnología de la Información y Comunicación ENRIQUE ÍÑIGUEZ CASTRO 1º de Enfermería, grupo 4. Subgrupo 16. Índice 1. Introducción.... 2 2. Objetivos.... 2 3. Metodología...
Más detalles8.1. Sección. Distribución de la media muestral Pearson Prentice Hall. All rights reserved
Sección 8.1 Distribución de la media muestral 2010 Pearson Prentice Hall. All rights reserved Términos importantes variable aleatoria (v.a.) es un número real cuyo valor se determina al azar y mediante
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 detallesConvocatoria Ordinaria de Junio, Curso 2011/12 8/6/2012
Grado en Ciencias del Mar Estadística Convocatoria Ordinaria de Junio, Curso 2011/12 8/6/2012 Entre los años 1999 y 2004 se llevaron a cabo diversas campañas para el estudio del anidamiento y éxito reproductivo
Más detallesEjercicio obligatorio seminario 9. Estadística
Ejercicio obligatorio seminario 9. Estadística En una muestra de 8 personas medimos la frecuencia cardíaca (FC) y la edad. 1. Di si en la muestra existe asociación lineal o correlación entre las dos variables
Más detallesPráctica 5 ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS
Práctica. Intervalos de confianza 1 Práctica ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS Objetivos: Ilustrar el grado de fiabilidad de un intervalo de confianza cuando se utiliza
Más detalles1. Una variable aleatoria X sigue una distribución binomial con parámetros m = 3 y p =0.2.
Ejercicios y Problemas. Capítulo III 1. Una variable aleatoria X sigue una distribución binomial con parámetros m = 3 y p =0.2. (a) Calcular P (X = 0), P (X = 1), P (X = 2), P (X = 3), utilizando la función
Más detallesINFERENCIA ESTADÍSTICA: CONTRASTES DE HIPÓTESIS
INFERENCIA ESTADÍSTICA: CONTRASTES DE HIPÓTESIS Autor: Clara Laguna 6.1 INTRODUCCIÓN En el tema anterior estudiamos cómo a partir de una muestra podemos obtener una estimación puntual o bien establecer
Más detallesMs. C. Marco Vinicio Rodríguez
Ms. C. Marco Vinicio Rodríguez mvrodriguezl@yahoo.com http://mvrurural.wordpress.com/ Uno de los objetivos de la estadística es saber acerca del comportamiento de parámetros poblacionales tales como:
Más detallesDistribuciones de parámetros conocidos
10.3. CONTRASTE DE BONDAD DE AJUSTE PARA DISTRIBUCIONES265 350 300 observaciones esperado(x) 250 Frecuencias esperadas 200 150 100 Frecuencias observadas 50 0 55 60 65 70 75 80 85 90 Figura 10.2: En los
Más detallesCONTRASTES PARAMÉTRICOS
CONTRASTES PARAMÉTRICOS Contenidos Introducción 75 Contraste de dos medias 76 Grupos independientes 77 Grupos dependientes 85 Contraste de dos varianzas independientes 92 ANOVAs Unifactoriales entre e
Más detallesTema 7: Estadística y probabilidad
Tema 7: Estadística y probabilidad En este tema revisaremos: 1. Representación de datos e interpretación de gráficas. 2. Estadística descriptiva. 3. Probabilidad elemental. Representaciones de datos Cuatro
Más detallesINGENIERÍA INFORMÁTICA DE GESTIÓN Junio 2005
INGENIERÍA INFORMÁTICA DE GESTIÓN Junio 2005 1. En una pequeña empresa con 60 empleados, 25 son personal de fábrica y están cobrando unos sueldos semanales (en euros) en función a su antigüedad de: 300
Más detallesIntervalos de confianza con STATGRAPHICS
Intervalos de confianza con STATGRAPHICS Ficheros empleados: TiempoaccesoWeb.sf3 ; TiempoBucle.sf3; 1. Ejemplo 1: Tiempo de acceso a una página Web Se desean construir intervalos de confianza para la media
Más detallesEstadística II Curso 2011/12
Estadística II Curso 2011/12 Guión de la Práctica 1 Introducción a Statgraphics. Intervalos de confianza y contrastes de hipótesis para una y dos poblaciones 1. Contenidos de la práctica - Introducción
Más detallesEstadística Convocatoria de Junio Facultad de Ciencias del Mar. Curso 2009/10 28/06/10
1. El Indice Climático Turístico (ICT), definido por Mieczkowski en 1985 es un índice que toma valores en una escala de 0 a 100 y tiene como objetivo valorar la calidad que ofrece el clima de una región
Más detallesEstadística. Grado en Biología. Universidad de Alcalá. Curso Capítulo 4: Variables Aleatorias. Fernando San Segundo. Actualizado:
Grado en Biología. Universidad de Alcalá. Curso 2017-18. Fernando San Segundo. Actualizado: 2017-10-16 Fernando San Segundo. Actualizado: 2017-10-16 1 Qué es una variable aleatoria? Pronto veremos una
Más detallesEstadística II Examen final junio 27/6/17 Curso 2016/17 Soluciones
Estadística II Examen final junio 27/6/7 Curso 206/7 Soluciones Duración del examen: 2 h y 5 min. (3 puntos) Los responsables de un aeropuerto afirman que el retraso medido en minutos en el tiempo de salida
Más detallesU ED Tudela Diseños de Investigación y Análisis de Datos - Tema 7
Diseños de Investigación y Análisis de Datos Preguntas de exámenes TEMA 7: A OVA PARA MUESTRAS I DEPE DIE TES (2 FACTORES) 1.- Se dice que un diseño bifactorial es equilibrado si: A) Los grupos tienen
Más detallesTEMA 10 COMPARAR MEDIAS
TEMA 10 COMPARAR MEDIAS Los procedimientos incluidos en el menú Comparar medias permiten el cálculo de medias y otros estadísticos, así como la comparación de medias para diferentes tipos de variables,
Más detallesEsquema Matemáticas CCSS
Esquema Matemáticas CCSS 4. Inferencia Conocer el vocabulario básico de la Inferencia Estadística: población, individuos, muestra, tamaño de la población, tamaño de la muestra, muestreo aleatorio. Conocer
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesCurso de Estadística con R: Nivel Medio
Curso de Estadística con R: Nivel Medio Prof. Vanesa Jordá Departamento de Economía Facultad de Ciencias Económicas y Empresariales Universidad de Cantabria Índice Introducción Contrastes de hipótesis
Más detallesInferencia Estadística
ESTADISTICA INFERENCIA ESTADÍSTICA. TITULO: AUTOR: Una corta introducción teórica de inferencia estadística Test o Pruebas de hipótesis CHI-CUADRADO. Ejercicios resueltos y propuestos JUAN VICENTE GONZÁLEZ
Más detalles3. Variables aleatorias
3. Variables aleatorias Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 3. Variables aleatorias Curso 2009-2010 1 / 33 Contenidos 1 Variables aleatorias y su distribución
Más detallesComparación de dos métodos de aprendizaje sobre el mismo problema
Comparación de dos métodos de aprendizaje sobre el mismo problema Carlos Alonso González Grupo de Sistemas Inteligentes Departamento de Informática Universidad de Valladolid Contenido 1. Motivación 2.
Más detallesSelectividad Septiembre 2007 SEPTIEMBRE 2007
Bloque A SEPTIEMBRE 2007 1.- Cada instalación de una televisión analógica necesita 10 metros de cable y cada instalación de televisión digital necesita 20 metros. Cada televisión analógica necesita 20
Más detallesBLOQUE III: INFERENCIA ESTADISTICA. X, variable aleatoria de interés sobre una determinada población
BLOQUE III: INFERENCIA ESTADISTICA TEMA 8. MUESTREO Y DISTRIBUCIONES DE MUESTREO 1. Introducción a la Inferencia Estadística X, variable aleatoria de interés sobre una determinada población Observar el
Más detallesPREGUNTAS TIPO EXAMEN. 1. Cuál de las siguientes medidas es una medida de Centralización?
PREGUNTAS TIPO EXAMEN 1. Cuál de las siguientes medidas es una medida de Centralización? a) La desviación típica d) Ninguna respuesta es correcta 2. Disponemos de una variable aleatoria que recoge el peso
Más detallesEstadística I Solución Examen Final - 28 Mayo de 2009
Estadística I Examen Final - 28 Mayo de 2009 (1 (10 puntos A 16 estudiantes de Filosofía se les preguntó cuántas clases de esta asignatura habían perdido durante el cuatrimestre. Las respuestas obtenidas
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 detallesSoluciones a los nuevos ejercicios propuestos
Soluciones a los nuevos ejercicios propuestos 1 Soluciones a los nuevos ejercicios propuestos 1. Sea X la cantidad de calcio en sangre del paciente (en mg. por cada 100 ml. de sangre). X N(µ, σ 2 ). Tenemos
Más detallesCaso 105. Tamaño de muestra y potencia de una prueba. Diseño de experimentos. Jesús López Fidalgo
Caso 105. Tamaño de muestra y potencia de una prueba. Diseño de experimentos. Jesús López Fidalgo Caso Práctico El objetivo de este ejercicio es analizar diferentes tipos de pruebas estadísticas en las
Más detalles1. Muestreo e Inferencia Estadística
Tema 6: Introducción a la Inferencia Estadística Objetivos Introducir los conceptos elementales en esta parte de la asignatura. Tratar con muestras aleatorias y su distribución muestral en ejemplos de
Más detalles1. Ordena los datos en una tabla de contingencia. Economía Matemáticas Literatura Biología
Exemple Examen Part II (c) Problema 1 - Solución. En un estudio sobre la elección de la carrera universitaria entre envió cuestionarios a una muestra aleatoria simple de estudiantes preguntando la carrera
Más detallesPráctica de Control Estadístico de Procesos Control por Variables
Práctica de Control Estadístico de Procesos Control por Variables Fichero de datos: Sensorpresion.sf3 1. Los datos Un sensor de presión ha de trabajar en condiciones de alta temperatura. Para controlar
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 detallesNormalidad. y si no qué pasa? por: Aarón O. Lemus Bernal
Normalidad y si no qué pasa? por: Aarón O. Lemus Bernal Marzo 2010 Introducción Cuando en un proyecto de mejora nos encontramos con variables de tipo continuo, la mayoría de las veces necesitamos aplicar
Más detallesEstadística I Examen Extraordinario, 24 Junio Grados en ADE, DER-ADE, ADE-INF, FICO, ECO, ECO-DER.
Estadística I Examen Extraordinario, Junio. Grados en ADE, DER-ADE, ADE-INF, FICO, ECO, ECO-DER. REGLAS DEL EXAMEN: Usar cuadernillos separados para cada problema. Hacer los cálculos con al menos dos decimales
Más detallesTEMA 1.- PROBABILIDAD.-CURSO 2016/2017
TEMA 1.- PROBABILIDAD.-CURSO 2016/2017 1.1.- Introducción. Definición axiomática de probabilidad. Consecuencias de los axiomas. 1.2.- Probabilidad condicionada. 1.3.- Independencia de sucesos. 1.4.- Teoremas
Más detallesINFERENCIA ESTADÍSTICA
INFERENCIA ESTADÍSTICA 1. DEFINICIÓN DE INFERENCIA ESTADÍSTICA Llamamos Inferencia Estadística al proceso de sacar conclusiones generales para toda una población a partir del estudio de una muestra, así
Más detallesMATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II JUNIO 2000
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II JUNIO 2000 Dos compañeros de estudios comparten piso. El primero prepara la comida el 40% de los días y el resto lo hace el segundo. El porcentaje de veces
Más detallesDistribución Chi (o Ji) cuadrada (χ( 2 )
Distribución Chi (o Ji) cuadrada (χ( 2 ) PEARSON, KARL. On the Criterion that a Given System of Deviations from the Probable in the Case of a Correlated System of Variables is such that it Can Reasonably
Más detallesIntroducción Método de Fisher Método de Bonferroni y FDR. Test Multiples. Graciela Boente 1. 1 Universidad de Buenos Aires and CONICET, Argentina
1 Test Multiples Graciela Boente 1 1 Universidad de Buenos Aires and CONICET, Argentina 2 Ejemplo En muchos ejemplos, se realizan múltiples tests y se desea combinar los resultados de estos tests independientes
Más detallesPráctica 5 MÉTODOS DESCRIPTIVOS PARA DETERMINAR LA NORMALIDAD
Práctica 5.Métodos descriptivos para determinar la normalidad 1 Práctica 5 MÉTODOS DESCRIPTIVOS PARA DETERMINAR LA NORMALIDAD Objetivos: En esta práctica utilizaremos el paquete SPSS para determinar si
Más detallesComparación de dos grupos independientes Solución no paramétrica. En capítulo 12: Métodos no paramétricos
Comparación de dos grupos independientes Solución no paramétrica En capítulo 12: Métodos no paramétricos Los métodos que hemos visto hasta ahora, asumen como distribución muestral la distribución Normal,
Más detallesREPASO DE ESTADÍSTICA DESCRIPTIVA
ÍNDICE: 1.- Tipos de variables 2.- Tablas de frecuencias 3.- Gráficos estadísticos 4.- Medidas de centralización 5.- Medidas de dispersión REPASO DE ESTADÍSTICA DESCRIPTIVA 1.- Tipos de variables La estadística
Más detallesPROBLEMAS DE ESTIMACIÓN PUNTUAL Y POR INTERVALOS
Estadística 1 PROBLEMAS DE ESTIMACIÓN PUNTUAL Y POR INTERVALOS 1. Obtener un estimador insesgado para p en una m.a.s. de tamaño n de una distribución binomial B(m,p) con m conocido y calcular su error
Más detallesrxy = Halle la ecuación de la recta de mejor ajuste Indique el tipo de correlación (positiva, negativa, cero, no lineal)
PONTIFICIA UNIVERSIDAD CATOLICA DE PUERTO RICO DEPARTAMENTO DE FISICA-MATEMATICAS Nombre: Sección: Mat.298 REPASO 2 Núm. I. Un psicólogo experimental afirma que, mientras más edad tenga un niño, disminuye
Más detallesC/ Fernando Poo 5 Madrid (Metro Delicias o Embajadores).
Ejercicio 1 AÑO 013- OPCIÓN A mx + y + z = m 1 m 1 x + my = 1 } (A) = ( 1 m 0 ) (A ) = ( 1 m 0 1 ) 6y z = 1 1 Calculamos el det(a) e igualamos a cero para sacar los valores en los que el determinante se
Más detallesESTADÍSTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES Práctico 2 Solución. Curso 2016
ESTADÍSTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES Práctico Solución. Curso 016 Ejercicio 1 Suponemos que hay independencia en la concurrencia o no entre las personas. Dado este supuesto y las características
Más detallesPROBABILIDADES Y ESTADÍSTICA (C) Práctica Se arroja dos veces un dado equilibrado, registrándose los resultados obtenidos.
PROBABILIDADES Y ESTADÍSTICA (C) Práctica 1 1. Se arroja dos veces un dado equilibrado, registrándose los resultados obtenidos. a) Definir un espacio muestral S apropiado para este experimento. b) Describir
Más detallesEncuestas y margen de error: una guía práctica
buena prensa Encuestas y margen de error: una guía práctica JOSU MEZO En mis primeras colaboraciones en esta sección 1 hablé de algunos conocimientos básicos sobre las encuestas, que, en mi opinión, todo
Más detallesBioestadística y uso de software científico TEMA 4 DATOS CATEGÓRICOS COMPARACIÓN DE PROPORCIONES
Bioestadística y uso de software científico TEMA 4 DATOS CATEGÓRICOS COMPARACIÓN DE PROPORCIONES Índice Tablas de contingencia y grados de libertad Ji-cuadrado Comparación de proporciones Tabla 2x2 Diferencia
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA N 3 Profesor: Hugo S. Salinas. Segundo Semestre 200. Se investiga el diámetro
Más detallesTema 3: Estimación estadística de modelos probabilistas. (segunda parte)
Tema 3: Estimación estadística de modelos probabilistas. (segunda parte) Estructura de este tema: 1 Técnicas de muestreo y estimación puntual. 2. 3 Contrastes de hipótesis. Planteamiento del problema Sea
Más detallesMatemáticas Aplicadas a las Ciencias Sociales II Hoja 6: Inferencia Estadística. Estimación de la Media
Matemáticas Aplicadas a las Ciencias Sociales II Hoja 6: Inferencia Estadística. Estimación de la Media Ejercicio 1: El peso en gramos del contenido de las cajas de cereales de una cierta marca se puede
Más detalles