Estimación puntual y por Intervalos de Confianza

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Estimación puntual y por Intervalos de Confianza"

Transcripción

1 Capítulo 7 Estimació putual y por Itervalos de Cofiaza 7.1. Itroducció Cosideremos ua v.a X co distribució F θ co θ descoocido. E este tema vemos cómo dar ua estimació putual para el parámetro θ y cómo costruir u itervalo de cofiaza para el mismo, dos formas segú se cometó de estimar el parámetro. 7.. Estimació putual Sea X ua variable poblacioal co distribució F θ, siedo θ descoocido. El problema de estimació putual cosiste e, seleccioada ua muestra X 1,..., X, ecotrar el estadístico T (X 1,..., X ) que mejor estime el parámetro θ. Ua vez observada o realizada la muestra, co valores x 1,..., x, se obtiee la estimació putual de θ, T(x 1,..., x )=ˆ θ. Vemos a cotiuació dos métodos para obteer la estimació putual de u parámetro: método de los mometos y método de máxima verosimilitud. 107

2 108 Capítulo 7. Estimació putual y por Itervalos de Cofiaza Métodos de estimació putual Método de los mometos: cosiste e igualar mometos poblacioales a mometos muestrales. Deberemos teer tatas igualdades como parámetros a estimar. Mometo poblacioal de orde r α r = E(X r ) X Mometo muestral de orde r a r = X r i Método de máxima verosimilitud: cosiste e tomar como valor del parámetro aquel que maximice la probabilidad de que ocurra la muestra observada. Si X 1,..., X es ua muestra seleccioada de ua població co distribució F θ odesidad f θ (x), la probabilidad de que ocurra ua realizació x 1,..., x viee dada por: Y L θ (x 1,..., x )= f θ (x i ) A L θ (x 1,..., x ) se le llama fució de verosimilitud.(credibilidad de la muestra observada). Buscamos etoces el valor de θ que maximice la fució de verosimilud, y al valor obteido se le llama estimació por máxima verosimilitud de θ. Nota:silavariableX es discreta, e lugar de f θ (x i ) cosideramos la fució masa de probabilidad p θ (x i ). Ejemplo 7.1: Sea X N(µ, σ), co µ descoocido. Seleccioada ua m.a.s. X 1,..., X, co realizació x 1,..., x, estimamos el parámetro µ por ambos métodos. Segú el método de los mometos: E(X) = X X i = X, yalserµ = E(X) se obtiee que ˆµ = x. Por el método de máxima verosimilitud: L µ (x 1,..., x ) = = Y f µ (x i )= Y 1 πσ e (x i µ) σ,

3 7.3. Estimació por Itervalos de cofiaza 109 y maximizamos e µ tal fució; e este caso resulta más fácil maximizar su logaritmo: l L µ (x 1,..., x )= 1 σ µ l L µ(x 1,..., x )= 1 σ X (x i µ) l( πσ) X (x i µ) = x µ σ =0 ˆµ = x 7.3. Estimació por Itervalos de cofiaza E lugar de dar ua estimació putual para el parámetro θ buscamos ahora u itervalo [θ(x 1,..., x ), θ(x 1,..., x )] que cotega al parámetro co ua alta probabilidad. Esta probabilidad recibe el ombre de ivel de cofiaza del itervalo, se deota por (1 α) ylafija el ivestigador Costrucció de u Itervalo de Cofiaza (I.C.) Sea X F θ, co θ descoocido. Seguimos los siguietes pasos para costruir u I.C. para θ : 1. Seleccioamos ua m.a.s. X 1,..., X.. Buscamos u estadístico que icluya el parámetro a estimar θ y que tega distribució coocida. 3. Fijamos el ivel de cofiaza (1 α). 4. Ecotramos θ (x 1,..., x ) y θ(x 1,..., x ) tal que P µ θ (x 1,..., x ) θ θ(x 1,..., x ) 1 α Diremos etoces que [θ(x 1,..., x ), θ(x 1,...,x )] es u I.C. para θ al (1 α)100 % de cofiaza. Eso sigifica que de cada 100 itervalos que pudiera obteerse (segú distitas muestras que pudiera haber sido seleccioadas al azar), (1 α)100 cotedría el verdadero valor del parámetro θ. Ejemplo 7.: Como ejemplo costruimos u I.C. al (1α)100 % de cofiaza para la media µ de ua ormal co variaza coocida σ 0. Delia Motoro Cazorla. Dpto. de Estadística e I.O. Uiversidad de Jaé.

4 110 Capítulo 7. Estimació putual y por Itervalos de Cofiaza E este caso el estadístico es: Z = X µ σ 0 / N(0, 1) Por lo tato, X µ P z 1 α σ 0 / z 1 α =1 α, y despejado se obtiee que µ σ 0 P x z 1 α µ x + σ 0 z 1 α =1 α. El Itervalo para µ al (1 α)100 % de cofiaza es etoces Observacioes: - El itervalo depede de la muestra seleccioada x ± σ 0 z 1 α - La amplitud del itervalo mide la precisió de la estimació. Cocretamete, el error cometido e la estimació de µ por x viee dado por E = µ x y es meor o igual que σ 0 z 1 α co ua probabilidad (1 α). - A mayor tamaño muestral, meor amplitud, y por lo tato mayor precisió e la estimació. Por otro lado, cuato mayor es el ivel de cofiaza, mayor es la amplitud del itervalo. Supogamos que lleva a cabo pruebas de la resistecia a la tesió de ua clase de largueros de alumiio utilizado e la fabricació de alas de aeroplaos. De la experiecia se cosidera ua desviació típica de 1 kg/mm. Ua muestra de 10 largueros proporcioa ua resistecia promedio de 87.6 kg/mm. Vamos a obteer u I.C. al 95 % de cofiaza para la resistecia promedio de esta clase de largueros.. X = Resistecia a la tesió N(µ, 1) σ 0 Sabemos que el I.C. al (1 α)100 % es x ± z 1 α. E este caso, el ivel de cofiaza es del 95 %, por lo que (1 α) =0,95 y α =0,05. El itervalo resulta por lo tato: σ 0 x ± z 1 α = 87,6 ± 1 1,96 =[86,98, 88,] 10

5 7.3. Estimació por Itervalos de cofiaza Itervalos de Cofiaza para medias, variazas y proporcioes - Itervalo de cofiaza para la media de ua ormal Sea X 1,..., X ua m.a.s. de X N(µ, σ). Variaza coocida (σ 0) Variaza descoocida µ µ x ± σ 0 z 1 α x ± S t 1 α,1 - Itervalo de cofiaza para la variaza de ua ormal Sea X 1,..., X ua m.a.s. de X N(µ, σ). Media coocida (µ 0 ) Media descoocida P (x i µ 0 ) σ χ, 1 α ; σ " ( 1)S χ 1 α ;1, P (x i µ 0 ) ( 1)S χ α ;1 χ α ; # - Itervalo de cofiaza para la diferecia de medias de dos poblacioes ormales e idepedietes Sea X 1,..., X 1 ua m.a.s. de X N(µ 1,σ 1 ) y Y 1,..., Y ua m.a.s. de Y N(µ,σ ), idepedietes. r σ1 Variazas coocidas µ 1 µ x y ± z1 α + σ 1 r Variazas descoocidas pero iguales (σ 1 ) µ 1 µ x y ± t1 α ; 1+ S p co S p = s ( 1 1)S 1 +( 1)S Itervalo de cofiaza para el cociete de variazas de dos poblacioes ormales e idepedietes Delia Motoro Cazorla. Dpto. de Estadística e I.O. Uiversidad de Jaé.

6 11 Capítulo 7. Estimació putual y por Itervalos de Cofiaza Sea X 1,..., X 1 ua m.a.s. de X N(µ 1,σ 1 ) y Y 1,..., Y ua m.a.s. de Y N(µ,σ ), idepedietes. Medias coocidas Medias descoocidas σ σ 1 σ σ 1 P (y i µ ) P 1 " S F α (x i µ 1 ) 1 F α ; 1,, ;11,1 S 1 P 1 P (y i µ ), S F 1 α ;11,1 S 1 (x i µ 1 ) 1 F 1 α # ; 1, - Itervalo de cofiaza para ua proporció Sea X 1,..., X ua m.a.s. de X Beroulli(p). p ˆp ± z 1 α s ˆ p(1 ˆp) - Itervalo de cofiaza para la diferecia de proporcioes Sea X 1,..., X 1 ua m.a.s. de X Beroulli(p 1 ) y Y 1,..., Y ua m.a.s. de Y Beroulli(p ). s p 1 p p ˆ 1 p ˆ ± z 1 α ˆ p T (1 p ˆ ˆ T ) p T (1 p ˆ T ) +, 1 siedo ˆ p T = ˆ ˆ 1p p Ejemplo 7.3: El hudimieto de u petrolero e las proximidades de la costa de ua determiada regió ha provocado u gra desastre tato ecoómico como ecológico. Co el fi de aalizar la composició del fuel que desprede el buque, ha sido seleccioadas 17 galletas de chapapote sobre las que medir la cocetració de cic, obteiédose por térmio medio 140 mg/l, co ua desviació típica de 30 mg/l. (a) Obté u itervalo de cofiaza al 95 % para la cocetració media de cic e el fuel que desprede el petrolero. X = Composició de cic N(µ, σ), co µ, σ descoocidas

7 7.3. Estimació por Itervalos de cofiaza 113 El I.C. para µ al 95 % es: S,1 x ± t 1 α = 140 ± 30,1 = [14,575, 155,45] 17 (b) Qué ocurriría al icremetar el tamaño de la muestra?. Razoa la respuesta. Al icremetar el tamaño de la muestra, se reduce el error de estimació de la media S t 1 α,1 y se cosigue por tato mayor precisió. Ejemplo 7.4 : U igeierio de cotrol de la calidad midió el espesor de la pared de 0 botellas de vidrio de litros. La media muestral resultó 4.05 mm y la desviació típica 0.08 mm. Obté u itervalo de cofiaza al 90 % para la variabilidad del espesor de la pared de las botellas. El I.C. para σ al 90 % es: " # ( 1)S ( 1)S χ, 1 α ;1 χ = α ;1 X = Espesor N(µ, σ), co µ, σ descoocidas 4(0,08) 30,15, 4(0,08) =[0,005, 0,015] 10,11 Ejemplo 7.5: Se piesa que la cocetració del igrediete activo de u detergete líquido para ropa está afectado por el tipo de catalizador utilizado e el proceso de fabricació. Por experiecias ateriores se supoe que la desviació estádar de la cocetració activa es de 3 g/l, si importar el tipo de catalizador utilizado. Se toma 10 observacioes co cada catalizador y se obtiee los siguietes datos: Cat Cat (a) Obté u itervalo de cofiaza al 90 % para el cociete de variazas?. Puede supoerse la misma variabilidad e la cocetració co el empleo de ambos catalizadores?. X = Cocetració co catalizador 1 N(µ 1,σ 1 ) Y = Cocetració co catalizador N(µ,σ ), so idepedietes y todos los parámetros se descooce. El I.C. para σ σ 1 al 90 % es: Delia Motoro Cazorla. Dpto. de Estadística e I.O. Uiversidad de Jaé.

8 114 Capítulo 7. Estimació putual y por Itervalos de Cofiaza S F 0,05;9,9 S1, S F 0,95;9,9 4,946(0,314) S1 =, 4,946(3,18) =[0,116, 1,180], 13,343 13,343 Al estar el 1 coteido e el itervalo, las variazas podría cosiderarse iguales. (b) Obté u itervalo de cofiaza al 95 % para la diferecia e la cocetració activa bajo la presecia de ambos catalizadores. Depede la cocetració activa del catalizador?. El I.C. al 95 % para µ 1 µ es: r 1 x y ± t1 α ;1+ S p = " r # 1 (65, 68,4) ±,101(3,04) = [6,061, 0,379] La cocetració del igrediete activo depede por lo tato del catalizador; co el segudo catalizador se cosigue mayor cocetració que co el primero. Ejemplo 7.6: Para poder cotrolar la fabricació de u producto se toma 85 muestras de u determiado compoete y se cocluye que 10 de ellos o cumple las especificacioes. (a) Calcula u itervalo de cofiaza al 95 % para la proporció de defectuosos. X = N o de defectuosos B(85,p) El I.C. para p al 95 % es: s ˆ p(1 ˆp) " r # ˆp ± z 0,975 0,118(1 0,118) = 0,118 ± 1,96 =[0,05, 0,186] 85 (b) Cuál debería ser el tamaño de la muestra si se quiere que el error cometido al estimar la proporció sea meor de 0.05 co ua probabilidad 0.95?. Puesto que ˆp es el estimador putual de p, puede defiirse el error cometido s al estimar p por ˆp como E = p ˆp ˆ p(1 ˆp). Si el I.C. al (1-α)100 % para p es ˆp ± z 1 α, eso sigificaqueelerrordeestimacióe es meor o igual que z 1 α s ˆ p(1 ˆp) co ua probabilidad de (1 α). E cosecuecia, el tamaño de muestra para obteer u error e la estimació iferior o igual a E co ua probabilidad (1 α) debe ser: = ³ z1 α ˆp(1 ˆp) E

9 7.4. Ejercicios 115 E este caso: = µ 1,96 0,118(1 0,118) = 160 0, Ejercicios 1. El tiempo de fallo e horas de u compoete electróico (e horas) puede modelizarse segú ua distribució Expoecial co fució de desidad f(x) =λ exp{λx},x 0 a. Ecuetra el estimador de máxima verosimilitud de λ, basado e ua muestra aleatoria de tamaño. b. Ecuetra el estimador de λ haciedo uso del método de los mometos. c. Estima el tiempo medio de las compoetes e base a la iformació que proporcioa la siguiete muestra: 300,305,39,35,310,314,30,356,35,309,351,305,3,349. El úmero de accidetes de tráfico diarios e ua localidad puede ser modelizado por ua distribució de Poisso de parámetro λ. Ua muestra de 45 días proporcioa u o medio de accietes por día de co ua desviació estádar de 1.4. Obté ua estimació putual para λ. 3. E la siguiete tabla se recoge 15 medidas del tiempo (e segudos) de aceleració de u vehículo Supoiedo que el tiempo de aceleració sigue ua distribució ormal, a) Obté u itervalo de cofiaza para el tiempo medio de aceleració. b) Calcula el tamaño de muestra ecesario para que el error de estimació de la media sea meor que 0.75 co probabilidad c) Se puede afirmar que la aceleració media es de 10 segudos?. Delia Motoro Cazorla. Dpto. de Estadística e I.O. Uiversidad de Jaé.

10 116 Capítulo 7. Estimació putual y por Itervalos de Cofiaza 4. Si realizamos ua estimació de u parámetro mediate u itervalo de cofiaza al 90 % y obteemos u itervalo de muy poca amplitud, qué se puede cocluir?. Idica razoadamete cuáles de las siguietes afirmacioes so verdaderas o falsas: a) Va a ser muy difícil la obteció de ua estimació fiable. b) El rago de valores etre los que está el parámetro, al 90 %, es muy pequeño. c) De 90 itervalos que hiciéramos co muestras al azar, 90 cotedría el verdadero valor del parámetro. d) Para poder obteer resultados satisfactorios, el ivel de cofiaza ha de ser superior al 90 %. e) Si el ivel de cofiaza hubiera sido del 95 % la amplitud habría sido todavía meor y por lo tato mayor la precisió e la estimació. 5. Se desea comparar la variabilidad de la resistecia a la compresió de dos cemetos A y B. Para ello se fabrica 51 bloques co cada tipo de cemeto a los que se mide la resistecia a la compresió. Se obtiee los siguietes datos: SA = 10,S B =96. Supoiedo que ambas poblacioes so ormales e idepedietes, obté u itervalo de cofiaza al 90 % para el cociete de variazas. Puede cosiderarse sigificativamete distitas?. 6. Se tiee dos métodos para medir la resistecia de u cable. Se seleccioa aleatoriamete 9 cables, a los que se aplica el primer método, y otros 9 cables a los que se aplica el segudo método. Los datos so: Mét Mét Obtéuitervalodecofiaza al 95 % para la diferecia etre los métodos. Puede cosiderarse diferetes?. 7. U igeiero químico está iteresado e comparar el redimieto de u proceso químico bajo dos temperaturas distitas. La realizació de 5 esayos cosecutivos a cada ua de las temperaturas proporcioa los siguietes redimietos ( %):

11 7.4. Ejercicios 117 Temperatura Temperatura Obté u itervalo de cofiaza al 99 % para la diferecia de redimietos promedios. Puede supoerse los redmietos medios iguales?. Supoer ambas poblacioes ormales e idepedietes. 8. Los tiempos de fallo e horas de ua muestra aleatoria de 10 compoetes electróicos de ua determiada marca so: Si supoemos que estos tiempos procede de ua distribució expoecial, a. Estima el parámetro de tal distribució. b. Calcula el tiempo medio de fallo de ua compoete de este tipo. c. Si ua compoete o ha fallado pasadas 500 horas desde su puesta iicial e fucioamieto, cuál es la probabilidad de que dure por lo meos otras 00 horas más?. d. Si tiee u período de garatía de 1000 horas, calcula la probabilidad de que ua compoete falle estado e período de garatía. De u lote de 30 compoetes, cuátas se espera que sea devueltas por fallar estado e garatía?. 9. Ua cetral de productos lácteos recibe diariamete la leche de dos grajas A y B. Co el fi de estudiar la calidad de los productos recibidos se extrae dos muestras, ua de cada graja, y se aaliza el coteido de materia grasa de cada producto. Se obtiee los siguietes resultados: Delia Motoro Cazorla. Dpto. de Estadística e I.O. Uiversidad de Jaé.

12 118 Capítulo 7. Estimació putual y por Itervalos de Cofiaza Graja A Graja B a.obtéuitervalodecofiaza al 95 % para el cociete de variazas. Podría cosiderarse las variazas iguales?. b.obtéuitervalodecofiaza al 95 % para la diferecia e el coteido graso promedio de los productos de ambas grajas. c. Si la cetral rechaza aquellos productos co u coteido graso superior a 0.3, obté u itervalo de cofiaza al 90 % para la diferecia de proporcioes de productos que habría que rechazar procedetes de ambas grajas.

Estimación puntual y por intervalos de confianza

Estimación puntual y por intervalos de confianza Ídice 6 Estimació putual y por itervalos de cofiaza 6.1 6.1 Itroducció.......................................... 6.1 6. Estimador........................................... 6. 6.3 Método de costrucció

Más detalles

Estimación puntual y por intervalos

Estimación puntual y por intervalos 0/1/011 Aálisis de datos gestió veteriaria Estimació putual por itervalos Departameto de Producció Aimal Facultad de Veteriaria Uiversidad de Córdoba Córdoba, 30 de Noviembre de 011 Estimació putual por

Más detalles

Tema 9. Inferencia Estadística. Intervalos de confianza.

Tema 9. Inferencia Estadística. Intervalos de confianza. Tema 9. Iferecia Estadística. Itervalos de cofiaza. Idice 1. Itroducció.... 2 2. Itervalo de cofiaza para media poblacioal. Tamaño de la muestra.... 2 2.1. Itervalo de cofiaza... 2 2.2. Tamaño de la muestra...

Más detalles

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo Modelos lieales e Biología, 5ª Curso de Ciecias Biológicas Clase 8/10/04 Estimació y estimadores: Distribucioes asociadas al muestreo Referecias: Cualquiera de los textos icluidos e la bibliografía recomedada

Más detalles

INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL. 1. Una muestra aleatoria de 9 tarrinas de helado proporciona los siguientes pesos en gramos

INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL. 1. Una muestra aleatoria de 9 tarrinas de helado proporciona los siguientes pesos en gramos 1 INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL La mayoría de estos problemas ha sido propuestos e exámees de selectividad de los distitos distritos uiversitarios españoles. 1. Ua muestra aleatoria de 9 tarrias

Más detalles

Métodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B

Métodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B Métodos Estadísticos de la Igeiería Tema 9: Iferecia Estadística, Estimació de Parámetros Grupo B Área de Estadística e Ivestigació Operativa Licesio J. Rodríguez-Aragó Abril 200 Coteidos...............................................................

Más detalles

Muestreo. Tipos de muestreo. Inferencia Introducción

Muestreo. Tipos de muestreo. Inferencia Introducción Germá Jesús Rubio Lua Catedrático de Matemáticas del IES Fracisco Ayala Muestreo. Tipos de muestreo. Iferecia Itroducció Nota.- Puede decirse que la Estadística es la ciecia que se preocupa de la recogida

Más detalles

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN Págia 98 Cuátas caras cabe esperar? El itervalo característico correspodiete a ua probabilidad del 95% (cosideramos casas raros al 5% de los casos extremos)

Más detalles

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN 3 INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN Págia 99 REFLEXIONA Y RESUELVE Cuátas caras cabe esperar? Repite el razoamieto aterior para averiguar cuátas caras cabe esperar si lazamos 00 moedas

Más detalles

14 Intervalos de confianza

14 Intervalos de confianza Solucioario 14 Itervalos de cofiaza ACTIVIDADES INICIALES 14.I. Calcula tal que P z < Z z α α = 0,87. P zα < Z zα = P Z zα P Z < zα = P Z zα 1= 0,87 P Z P Z P Z = 1,87 = 0,935. Buscado e el iterior de

Más detalles

ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA

ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA Autores: Ágel A. Jua (ajuap@uoc.edu), Máimo Sedao (msedaoh@uoc.edu), Alicia Vila (avilag@uoc.edu). ESQUEMA DE CONTENIDOS Defiició Propiedades

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 04 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA PARCIAL N o 3 Profesor: Hugo S. Salias. Primer Semestre 2012 1. El ivel

Más detalles

BIOESTADISTICA (55-10536) Estudios de prevalencia (transversales) 1) Características del diseño en un estudio de prevalencia, o transversal.

BIOESTADISTICA (55-10536) Estudios de prevalencia (transversales) 1) Características del diseño en un estudio de prevalencia, o transversal. Departameto de Estadística Uiversidad Carlos III de Madrid BIOESTADISTICA (55-10536) Estudios de prevalecia (trasversales) CONCEPTOS CLAVE 1) Características del diseño e u estudio de prevalecia, o trasversal

Más detalles

7.2. Métodos para encontrar estimadores

7.2. Métodos para encontrar estimadores Capítulo 7 Estimació putual 7.1. Itroducció Defiició 7.1.1 U estimador putual es cualquier fució W (X 1,, X ) de la muestra. Es decir, cualquier estadística es ua estimador putual. Se debe teer clara la

Más detalles

TEMA 8: ESTIMACIÓN POR INTERVALOS

TEMA 8: ESTIMACIÓN POR INTERVALOS MÉTODOS ESTADÍSTICOS ARA LA EMRESA TEMA 8: ESTIMACIÓN OR INTERVALOS 8..- Itroducció a la estimació por itervalos 8..- Itervalos de cofiaza. Costrucció y características 8.3.- Itervalos de cofiaza para

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció B Reserva 1, Ejercicio 4, Opció B Reserva, Ejercicio 4,

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE GENERAL: MATERIAS DE MODALIDAD

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE GENERAL: MATERIAS DE MODALIDAD PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE GENERAL: MATERIAS DE MODALIDAD CURSO 009-010 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC. SS. - Cada alumo debe elegir sólo ua de las pruebas (A o B) y,

Más detalles

PRUEBAS DE HIPÓTESIS

PRUEBAS DE HIPÓTESIS PRUEBAS DE HIPÓTESIS E vez de estimar el valor de u parámetro, a veces se debe decidir si ua afirmació relativa a u parámetro es verdadera o falsa. Vale decir, probar ua hipótesis relativa a u parámetro.

Más detalles

Análisis estadístico de datos simulados Estimadores puntuales

Análisis estadístico de datos simulados Estimadores puntuales Aálisis estadístico de datos simulados Estimadores putuales Georgia Flesia FaMAF 5 de mayo, 2015 Aálisis estadístico Modelizació estadística: Elegir ua distribució e base a los datos observados. Estimar

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD CURSO 009-010 CONVOCATORIA: MATERIA: MATEMÁTICAS APLICADAS A LAS CC SS - Cada alumo debe elegir sólo ua de las pruebas (A o B).

Más detalles

IES Fco Ayala de Granada Sobrantes de 2011 (Modelo 1) Enunciado Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes de 2011 (Modelo 1) Enunciado Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates de 011 (Modelo 1) Euciado Germá-Jesús Rubio Lua SOLUCIONES PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 010-011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II

Más detalles

16 Distribución Muestral de la Proporción

16 Distribución Muestral de la Proporción 16 Distribució Muestral de la Proporció 16.1 INTRODUCCIÓN E el capítulo aterior hemos estudiado cómo se distribuye la variable aleatoria media aritmética de valores idepedietes. A esta distribució la hemos

Más detalles

Propuesta A. { (x + 1) 4. Se considera la función f(x) =

Propuesta A. { (x + 1) 4. Se considera la función f(x) = Pruebas de Acceso a Eseñazas Uiversitarias Oficiales de Grado (0) Materia: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II El alumo deberá cotestar a ua de las dos opcioes propuestas A o B. Se podrá utilizar

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central EYP14 Estadística para Costrucció Civil 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los

Más detalles

IES Fco Ayala de Granada Septiembre de 2013 (Modelo 2) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Septiembre de 2013 (Modelo 2) Soluciones Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SEPTIEMBRE 013 MODELO OPCIÓN A EJERCICIO 1 (A) Sea R la regió factible defiida por las iecuacioes x 3y, x 5, y 1. (0 5 putos) Razoe si el puto (4 5,1 55) perteece

Más detalles

0-3 2 0 4-2 -2 0-1 0-1 0-3-13-1

0-3 2 0 4-2 -2 0-1 0-1 0-3-13-1 IS Fco Ayala de Graada Sobrates 009 (Modelo 6) Solució Germá-Jesús Rubio Lua OPCIÓN A JRCICIO 1 ( putos) Sea las matrices: -1 4-1 - 1 5 - -6 A ; B 0-1 y C 0-1 1 0 1-0 -1 Determie X e la ecuació matricial

Más detalles

EXAMEN DE TÉCNICAS PARA EL ANÁLISIS DEL MERCADO. 11-Septiembre-2014.

EXAMEN DE TÉCNICAS PARA EL ANÁLISIS DEL MERCADO. 11-Septiembre-2014. EXAMEN DE TÉCNICAS PARA EL ANÁLISIS DEL MERCADO. -Septiembre-04. APELLIDOS: DNI: NOMBRE:. Se quiere hacer u estudio sobre las persoas que usa iteret e ua regió dode el 40% de los habitates so mujeres.

Más detalles

ANÁLISIS DE VARIANZA

ANÁLISIS DE VARIANZA ANÁLISIS DE VARIANZA Se supoe el caso de u fabricate y tres cosumidores de latas cuyo fodo tega al meos 0.25 libras de recubrimieto de estaño. Mediate u tratamieto químico, se puede medir el peso de este

Más detalles

IES Fco Ayala de Granada Sobrantes 2014 (Modelo 2 ) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes 2014 (Modelo 2 ) Soluciones Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates 014 (Modelo ) Solucioes Germá-Jesús Rubio Lua SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 014 MODELO OPIÓN A EJERIIO 1 (A) (1 75 putos) Represete gráficamete la regió

Más detalles

Revisión de conceptos: S 2 p ( 1 p ) Distribución binomial: Programa de Efectividad Clínica 2003 Bioestadística Vilma E. Irazola.

Revisión de conceptos: S 2 p ( 1 p ) Distribución binomial: Programa de Efectividad Clínica 2003 Bioestadística Vilma E. Irazola. Programa de Efectividad Clíica 003 Bioestadística Vilma E. Irazola DATOS CATEGORICOS COMPARACION DE PROPORCIONES Revisió de coceptos: Cotiuos Tipos de datos Discretos Categóricos Ejemplo: Variable a a

Más detalles

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS)

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS) Los valores icluidos e u grupo de datos usualmete varía e magitud; alguos de ellos so pequeños y otros so grades. U promedio es u valor simple, el cual es cosiderado como el valor más represetativo o típico

Más detalles

SOLUCIONES Modelo 2 PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 2010-2011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II

SOLUCIONES Modelo 2 PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 2010-2011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II IES Fco Ayala de Graada Sobrates de 011 (Modelo ) Germá-Jesús Rubio Lua SOLUCIONES Modelo PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 010-011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II OPCIÓN

Más detalles

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna 12 2 = 3 12. , es decir

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna 12 2 = 3 12. , es decir IES Fco Ayala de Graada Sobrates de 008 (Modelo Juio) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 008 (MODELO ) OPCIÓN A EJERCICIO _A 0 a b Sea las matrices A= y B= 0 6 a) ( 5 putos)

Más detalles

ESTADÍSTICA BÁSICA. Discretas. Función de masa de probabilidad: P(X=x i ) Sólo se toma un conjunto finito valores {x 1, x 2,...}

ESTADÍSTICA BÁSICA. Discretas. Función de masa de probabilidad: P(X=x i ) Sólo se toma un conjunto finito valores {x 1, x 2,...} ESTADÍSTICA BÁSICA 1.) Coceptos básicos: Estadística: Es ua ciecia que aaliza series de datos (por ejemplo, edad de ua població, altura de u equipo de balocesto, temperatura de los meses de verao, etc.)

Más detalles

INDICE UNIDAD I UNIDAD II

INDICE UNIDAD I UNIDAD II INDICE UNIDAD I TEORIA DEL MUESTREO Muestras aleatorias Errores e el muestreo Distribucioes muestrales Teorema del límite cetral Distribució muestral de medias Distribució muestral de proporcioes Distribució

Más detalles

OPCIÓN A EJERCICIO 1 (A)

OPCIÓN A EJERCICIO 1 (A) IES Fco Ayala de Graada Juio de 01 (Geeral Modelo 6) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 01 MODELO (COMÚN) OPCIÓN A EJERCICIO 1 (A) -1-1 1 Sea las matrices A =

Más detalles

Variables aleatorias. Distribución binomial y normal

Variables aleatorias. Distribución binomial y normal Variables aleatorias. Distribució biomial y ormal Variable aleatoria Def.- Al realizar u experimeto aleatorio teemos u espacio muestral E. A cualquier ley o aplicació que a cualquier suceso de E le asocie

Más detalles

ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M.

ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M. ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Cuado estamos iteresados e estudiar algua característica de ua població (peso, logitud de las hojas,

Más detalles

TEMA 5: INTERPOLACIÓN

TEMA 5: INTERPOLACIÓN 5..- ITRODUCCIÓ TEMA 5: ITERPOLACIÓ Supogamos que coocemos + putos (x,y, (x,y,..., (x,y, de la curva y = f(x, dode las abscisas x k se distribuye e u itervalo [a,b] de maera que a x x < < x b e y k = f(x

Más detalles

IES Fco Ayala de Granada Junio de 2013 (Reserva 2 Modelo 1 ) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Junio de 2013 (Reserva 2 Modelo 1 ) Soluciones Germán-Jesús Rubio Luna IES Fco Ayala de Graada Juio de 03 (Reserva Modelo ) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 03 MODELO (RESERVA ) OPCIÓN A EJERCICIO (A) ( 5 putos) U fabricate elabora

Más detalles

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 5 ) Solución Germán-Jesús Rubio Luna OPCIÓN A

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 5 ) Solución Germán-Jesús Rubio Luna OPCIÓN A IES Fco Ayala de Graada Sobrates de 2006 (Modelo 5 ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A Sea la regió defiida por las siguietes iecuacioes: x/2 + y/3 1 ; - x + 2y 0; y 2. (2 putos) Represete

Más detalles

Para construir intervalos de confianza recordemos la distribución muestral de la proporción muestral $p :

Para construir intervalos de confianza recordemos la distribución muestral de la proporción muestral $p : Itervalos de Cofiaza para ua proporció Cuado hacemos u test de hipótesis decidimos sobre u valor hipotético del parámetro. Qué proporció de mujeres espera compartir las tareas de la casa co su pareja?

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.001-.00 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella,

Más detalles

PRESENTACIONES ESTADISTICAS. Número de Trabajadores (frecuencia)

PRESENTACIONES ESTADISTICAS. Número de Trabajadores (frecuencia) Distribucioes de frecuecia: PRESENTACIONES ESTADISTICAS So tablas e las que se agrupa lo valores posibles de ua variable y se registra el úmero de valores observados que correspode a cada clase. Como ejemplo

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 5)

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 5) IES Fco Ayala de Graada Sobrates de 008 (Modelo 5) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 008 (MODELO 5) OPCIÓN A EJERCICIO 1_A De las restriccioes que debe cumplir las

Más detalles

CAPÍTULO 7: INFERENCIA PARA PROPORCIONES Y MEDIAS

CAPÍTULO 7: INFERENCIA PARA PROPORCIONES Y MEDIAS Págia 1 de 13 CAPÍTULO 7: INFERENCIA PARA PROPORCIONES Y MEDIAS E este capítulo etraremos al fial del ciclo del método cietífico, usado la iformació de la muestra para geeralizar y llegar a coclusioes

Más detalles

IES Fco Ayala de Granada Sobrantes de 2001 (Modelo 2) Solución Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes de 2001 (Modelo 2) Solución Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates de 001 (Modelo ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (3 putos) Se quiere orgaizar u puete aéreo etre dos ciudades, co plazas suficietes de pasaje y carga,

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 1) OPCIÓN A

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 1) OPCIÓN A IES Fco Ayala de Graada Sobrates de 2012 (Modelo 1 ) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 1) OPCIÓN A EJERCICIO 1_A -1-6 -1 1 2 a 0 1 Sea las matrices A

Más detalles

Estadística Inferencial

Estadística Inferencial Estadística Iferecial El presete documeto es ua guía para el curso de iferecia estadística impartido e el Istituto Nacioal de Estadística Geografía e Iformática (INEGI), e el edificio de capacitació; y

Más detalles

CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA

CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA CAPÍTULO I CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA El campo de la estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Motgomery

Más detalles

CAL. CONTROL Y ASEGURAMIENTO DE CALIDAD

CAL. CONTROL Y ASEGURAMIENTO DE CALIDAD MCAL103/03 LIBRO: PARTE: TÍTULO: CAL. CONTROL Y ASEGURAMIENTO DE CALIDAD 1. CONTROL DE CALIDAD 03. Aálisis Estadísticos de Cotrol de Calidad A. CONTENIDO Este Maual cotiee los procedimietos para aalizar,

Más detalles

Informe sobre el Cálculo de Errores de Muestreo Encuesta sobre Condiciones de Vida - ECV

Informe sobre el Cálculo de Errores de Muestreo Encuesta sobre Condiciones de Vida - ECV Iforme sobre el Cálculo de Errores de Muestreo Ecuesta sobre Codicioes de Vida - ECV EUSKAL ESTATISTIKA ERAKUNDA INDICE. Itroducció...3 2. Método de expasió de Taylor...3 3. Cálculo de errores....4 3.

Más detalles

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 1) Solución Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 1) Solución Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates de 008 (Modelo 1) Germá-Jesús Rubio Lua SOLUCIONES PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 007-008 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II OPCIÓN A

Más detalles

PRUEBA A ( ) ( ) p z p z 0.4988 1 0.4988 0.4988 1 0.4988 0.4988 1.96,0.4988 + 1.96 = 0.4521, 0.5455 441 441

PRUEBA A ( ) ( ) p z p z 0.4988 1 0.4988 0.4988 1 0.4988 0.4988 1.96,0.4988 + 1.96 = 0.4521, 0.5455 441 441 PRUEBAS DE ACCESO A LA UNIVERSIDAD LOGSE CURSO 007-008 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC SS - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe respoder

Más detalles

CURSO 2.004-2.005 - CONVOCATORIA:

CURSO 2.004-2.005 - CONVOCATORIA: PRUEBAS DE ACCESO A LA UNIVERSIDAD LOGSE / LOCE CURSO 4-5 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 5)

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 5) SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 01 (MODELO 5) OPIÓN A EJERIIO 1_A ( 5 putos) U comerciate dispoe de 100 euros para comprar dos tipos de mazaas A y B. Las del tipo A las compra a 0 60 euros/kg

Más detalles

TEMA 7. ESTIMACIÓN. 7.2. Estimación puntual. Propiedades deseables de los estimadores 7.2.1. Introducción y definiciones 7.2.2. Estimadores Insegados

TEMA 7. ESTIMACIÓN. 7.2. Estimación puntual. Propiedades deseables de los estimadores 7.2.1. Introducción y definiciones 7.2.2. Estimadores Insegados TEMA 7. ETIMACIÓN 7.1. Itroducció y defiicioes 7.. Estimació putual. Propiedades deseables de los estimadores 7..1. Itroducció y defiicioes 7... Estimadores Isegados 7.3. Estimació por itervalos de cofiaza

Más detalles

TALLER DE ESTADÍSTICA 7. MUESTRAS Y ESTIMACIONES. INFERENCIA ESTADÍSTICA. MAURICIO CONTRERAS

TALLER DE ESTADÍSTICA 7. MUESTRAS Y ESTIMACIONES. INFERENCIA ESTADÍSTICA. MAURICIO CONTRERAS TALLER DE ESTADÍSTICA 7. MUESTRAS Y ESTIMACIONES. INFERENCIA ESTADÍSTICA. MAURICIO CONTRERAS MUESTRAS Y ESTIMACIONES EN LA ESO Itroducció Cómo debe seleccioarse la muestra para que sea represetativa de

Más detalles

Tema 9 Teoría de la formación de carteras

Tema 9 Teoría de la formación de carteras Parte III Decisioes fiacieras y mercado de capitales Tema 9 Teoría de la formació de carteras 9.1 El problema de la selecció de carteras. 9. Redimieto y riesgo de ua cartera. 9.3 El modelo de la media-variaza.

Más detalles

IES Fco Ayala de Granada Sobrantes 2009 (Modelo 3 Junio) Soluciones Germán-Jesús Rubio Luna+

IES Fco Ayala de Granada Sobrantes 2009 (Modelo 3 Junio) Soluciones Germán-Jesús Rubio Luna+ IES Fco Ayala de Graada Sobrates 009 (Modelo 3 Juio) Solucioes Germá-Jesús Rubio Lua+ MATEMÁTICAS CCSS JUNIO 009 (MODELO 3) SELECTIVIDAD ANDALUCÍA OPCIÓN A EJERCICIO 1 Sea la igualdad A X + B = A, dode

Más detalles

MUESTREO ESTADÍSTICO PARA LA AUDITORÍA INTERNA DE GOBIERNO

MUESTREO ESTADÍSTICO PARA LA AUDITORÍA INTERNA DE GOBIERNO DOCUMENTO TÉCNICO N 64 Versió 0.1 MUESTREO ESTADÍSTICO PARA LA AUDITORÍA INTERNA DE GOBIERNO CONCEPTOS GENERALES MINISTERIO SECRETARÍA GENERAL DE LA PRESIDENCIA Este documeto es parte de ua serie de guías

Más detalles

Midiendo el Desempeño

Midiendo el Desempeño Midiedo el Desempeño Prof. Mariela J. Curiel H. Midiedo el Desempeño Qué variables se desea medir Cuáles so las herramietas dispoibles Qué tecicas se utiliza para calcular los parámetros de etrada de u

Más detalles

OPCIÓN A EJERCICIO 1_A 1-2 1 Sean las matrices A =

OPCIÓN A EJERCICIO 1_A 1-2 1 Sean las matrices A = IES Fco Ayala de Graada Sobrates de 007 (Juio Modelo ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1-1 x -x Sea las matrices A, X y e Y -1 3 0 - z (1 puto) Determie la matriz iversa de A. ( putos)

Más detalles

Análisis de datos en los estudios epidemiológicos II

Análisis de datos en los estudios epidemiológicos II Aálisis de datos e los estudios epidemiológicos II Itroducció E este capitulo cotiuamos el aálisis de los estudios epidemiológicos cetrádoos e las medidas de tedecia cetral, posició y dispersió, ídices

Más detalles

0.- INTRODUCCIÓN HISTÓRICA

0.- INTRODUCCIÓN HISTÓRICA CONTENIDOS:.- INTRODUCCIÓN HISTÓRICA... 1 1.- INTRODUCCIÓN....- INTERVALO DE CONFIANZA PARA LA PROPORCIÓN... 3.- INTERVALO DE CONFIANZA PARA LA MEDIA... 4 4.- ERROR ADMITIDO Y TAMAÑO DE LA MUESTRA... 5

Más detalles

Soluciones Hoja de Ejercicios 2. Econometría I

Soluciones Hoja de Ejercicios 2. Econometría I Ecoometría I. Solucioes Hoja 2 Carlos Velasco. MEI UC3M. 2007/08 Solucioes Hoja de Ejercicios 2 Ecoometría I 1. Al pregutar el saldo Z (e miles de euros) de su cueta de ahorro cojuta a u matrimoio madrileño

Más detalles

Ejemplos y ejercicios de. Análisis Exploratorio de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.

Ejemplos y ejercicios de. Análisis Exploratorio de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios. ANÁLISIS EXPLORATORIO DE DATOS Ejemplos y ejercicios de Aálisis Exploratorio de Datos Descripció estadística de ua variable. Ejemplos y ejercicios..1 Ejemplos. Ejemplo.1 Se ha medido el grupo saguíeo de

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Juio, Ejercicio 4, Opció B Reserva 1, Ejercicio 4, Opció

Más detalles

Tests de Hipótesis basados en dos muestras. ESTADÍSTICA (Q) 23. TESTS E INTERVALOS DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE DOS POBLACIONES

Tests de Hipótesis basados en dos muestras. ESTADÍSTICA (Q) 23. TESTS E INTERVALOS DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE DOS POBLACIONES 57 3. TET E INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIA DE DO POBLACIONE U test de hipótesis para dos muestras es similar e muchos aspectos al test para ua muestra. e especifica ua hipótesis ula,

Más detalles

Estadística Descriptiva

Estadística Descriptiva Igacio Cascos Ferádez Dpto. Estadística e I.O. Uiversidad Pública de Navarra Estadística Descriptiva Estadística ITT Soido e Image curso 2004-2005 1. Defiicioes fudametales La Estadística Descriptiva se

Más detalles

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 2 Septiembre) Solución Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 2 Septiembre) Solución Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates de 006 (Modelo Septiembre) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (1 5 putos) Represete gráficamete el recito defiido por el siguiete sistema de iecuacioes:

Más detalles

Inferencia estadística. Distribuciones muestrales. 3. Establecer relaciones entre los parámetros de la población y los obtenidos de la muestra.

Inferencia estadística. Distribuciones muestrales. 3. Establecer relaciones entre los parámetros de la población y los obtenidos de la muestra. UNIDAD 9 Iferecia estadística. Distribucioes muestrales la Estadística se distigue dos partes perfectamete difereciadas. Ua de ellas se cooce co el ombre de Estadística Descriptiva y tiee como objetivo

Más detalles

Sucesiones numéricas.

Sucesiones numéricas. SUCESIONES 3º ESO Sucesioes uméricas. Ua sucesió es u cojuto ordeado de úmeros reales: a 1, a 2, a 3, a 4, Cada elemeto de la sucesió se deomia térmio, el subídice es el lugar que ocupa e la sucesió. El

Más detalles

Estimaciones Estadísticas: Un Acercamiento Analítico. (Statistical Estimations: An Analitical Approach)

Estimaciones Estadísticas: Un Acercamiento Analítico. (Statistical Estimations: An Analitical Approach) Daea: Iteratioal Joural of Good Cosciece. 5(1) 37-55. ISSN 1870-557X 37 Estimacioes Estadísticas: U Acercamieto Aalítico (Statistical Estimatios: A Aalitical Approach) Badii, M.H. & A. Guille* Resume.

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.-.3 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe

Más detalles

OPCIÓN A EJERCICIO 1_A

OPCIÓN A EJERCICIO 1_A IES Fco Ayala de Graada Sobrates de 2001 (Modelo 6) Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 x -1 Se cosidera la matriz A = 1 1 1. x x 0 (1 5 putos) Calcule los valores de x para los que o existe

Más detalles

OPCIÓN A EJERCICIO 1 (A)

OPCIÓN A EJERCICIO 1 (A) IES Fco Ayala de Graada Juio de 014 (Geeral Modelo ) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 014 MODELO (COMÚN) OPCIÓN A EJERCICIO 1 (A) 1 a Sea las matrices A = y

Más detalles

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor.

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor. GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lecció. Fucioes y derivada. 5. Aproimació de fucioes: poliomios de Taylor y teorema de Taylor. Alguas veces podemos aproimar fucioes complicadas mediate otras

Más detalles

Calculamos los vértices del recinto convexo, resolviendo las ecuaciones las rectas de dos en dos.

Calculamos los vértices del recinto convexo, resolviendo las ecuaciones las rectas de dos en dos. IES Fco Ayala de Graada Sobrates de 2000 (Modelo 1) Solució Germá-Jesús Rubio Lua Los Exámees del año 2000 me los ha proporcioado D. José Gallegos Ferádez OPCIÓN A EJERCICIO 1_A (2 putos) Dibuje el recito

Más detalles

CADENAS DE MARKOV. Métodos Estadísticos en Ciencias de la Vida

CADENAS DE MARKOV. Métodos Estadísticos en Ciencias de la Vida CADENAS DE MARKOV Itroducció U proceso o sucesió de evetos que se desarrolla e el tiempo e el cual el resultado e cualquier etapa cotiee algú elemeto que depede del azar se deomia proceso aleatorio o proceso

Más detalles

INFERENCIA ESTADÍSTICA. CONTRASTE DE HIPÓTESIS

INFERENCIA ESTADÍSTICA. CONTRASTE DE HIPÓTESIS INFERENCIA ESTADÍSTICA. CONTRASTE DE HIPÓTESIS 1. El peso medio de ua muestra aleatoria de 100 arajas de ua determiada variedad es de 272 g. Se sabe que la desviació típica poblacioal es de 20 g. A u ivel

Más detalles

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2004

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2004 Solució del eame de Ivestigació Operativa de Sistemas de septiembre de 4 Problema (,5 putos: Ua marca de cereales para el desayuo icluye u muñeco de regalo e cada caja de cereales. Hay tres tipos distitos

Más detalles

ESTADÍSTICA NO PARAMÉTRICA: PRUEBA CHI-CUADRADO χ 2

ESTADÍSTICA NO PARAMÉTRICA: PRUEBA CHI-CUADRADO χ 2 Estadística o Paramétrica ESTADÍSTICA NO PARAMÉTRICA: PRUEBA CHI-CUADRADO χ Autores: Jua Fracisco Moge Ivars (jmoje@uoc.edu), Ágel A. Jua Pérez (ajuap@uoc.edu) ESQUEMA DE CONTENIDOS Estadística o Paramétrica

Más detalles

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 375 REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 376 Revisió de alguos idicadores para medir desigualdad Medidas de Desigualdad Para medir el grado de desigualdad e la

Más detalles

UNIDAD 7: ESTADÍSTICA INFERENCIAL

UNIDAD 7: ESTADÍSTICA INFERENCIAL UNIDAD 7: ESTADÍSTICA INFERENCIAL ÍNDICE DE LA UNIDAD 1.- INTRODUCCIÓN.... 1.- VARIABLES ESTADÍSTICAS. PARÁMETROS... 3.- DISTRIBUCIONES DE PROBABILIDAD... 3 3.1.- Distribució Biomial... 4 3..- Distribució

Más detalles

IES Fco Ayala de Granada Sobrantes de 2002 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes de 2002 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates de 2002 (Modelo 3 Juio) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (3 putos) U cliete de u supermercado ha pagado u total de 156 euros por 24 litros de leche,

Más detalles

INSTITUTO DE FÍSICA MECÁNICA ESTADÍSTICA. Curso 2012. Práctico I Introducción a los Métodos Estadísticos. Fecha de Entrega: 5 de Setiembre de 2012.

INSTITUTO DE FÍSICA MECÁNICA ESTADÍSTICA. Curso 2012. Práctico I Introducción a los Métodos Estadísticos. Fecha de Entrega: 5 de Setiembre de 2012. INSTITUTO DE FÍSICA MECÁNICA ESTADÍSTICA Curso 01 Práctico I Itroducció a los Métodos Estadísticos. Fecha de Etrega: 5 de Setiembre de 01. 1 Parte A: Ejercicios Teóricos: Ejercicio N o 1 Pruebas de Beroulli

Más detalles

(PROBABILIDAD) (tema 15 del libro)

(PROBABILIDAD) (tema 15 del libro) (PROBABILIDAD) (tema 15 del libro) 1. EXPERIMENTOS ALEATORIOS. ESPACIO MUESTRAL. SUCESOS Defiició: U feómeo o experiecia se dice aleatorio cuado al repetirlo e codicioes aálogas o se puede predecir el

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 1999-2. - CONVOCATORIA: Juio MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo

Más detalles

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos

Más detalles

EXPLICACIÓN SOBRE EL MANEJO DE ESTA GUÍA

EXPLICACIÓN SOBRE EL MANEJO DE ESTA GUÍA 1 EXPLICACIÓN SOBRE EL MANEJO DE ESTA GUÍA Esta guía comprede todos los temas del programa, de ahí que su estudio deba de ser de la primera a la última págia, si se desea u máximo de posibilidades de éxito

Más detalles

Sistemas Automáticos. Ing. Organización Conv. Junio 05. Tiempo: 3,5 horas

Sistemas Automáticos. Ing. Organización Conv. Junio 05. Tiempo: 3,5 horas Sistemas Automáticos. Ig. Orgaizació Cov. Juio 05. Tiempo: 3,5 horas NOTA: Todas las respuestas debe ser debidamete justificadas. Problema (5%) Ua empresa del sector cerámico dispoe de u horo de cocció

Más detalles

2. LEYES FINANCIERAS.

2. LEYES FINANCIERAS. TEMA 1: CONCEPTOS PREVIOS 1. INTRODUCCIÓN. Se va a aalizar los itercambios fiacieros cosiderado u ambiete de certidumbre. El itercambio fiaciero supoe que u agete etrega a otro u capital (o capitales),

Más detalles

Intervalos de Confianza basados en una muestra. Instituto de Cálculo

Intervalos de Confianza basados en una muestra. Instituto de Cálculo Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza

Más detalles

APLICACIÓN DEL PROGRAMA SPSS EN EL CONTROL DE CALIDAD DE PROCESOS Y PRODUCTOS QUÍMICOS

APLICACIÓN DEL PROGRAMA SPSS EN EL CONTROL DE CALIDAD DE PROCESOS Y PRODUCTOS QUÍMICOS APLICACIÓN DEL PROGRAMA SPSS EN EL CONTROL DE CALIDAD DE PROCESOS Y PRODUCTOS QUÍMICOS Esperaza Mateos, Aa Elías, Gabriel Ibarra Uiversidad del País Vasco iapmasae@lg.ehu.es Resume Ua de las asigaturas

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 2014 MODELO 3 (COLISIONES) OPCIÓN A

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 2014 MODELO 3 (COLISIONES) OPCIÓN A IES Fco Ayala de Graada Juio de 014 (Colisioes Modelo 3) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 014 MODELO 3 (COLISIONES) OPCIÓN A EJERCICIO 1 (A) 1 a Sea las matrices

Más detalles

CANTIDAD EN QUÍMICA QCA 07

CANTIDAD EN QUÍMICA QCA 07 .- Razoe: a) Qué volume es mayor el de u mol de itrógeo o el de u mol de oxígeo, ambos medidos e las mismas codicioes de presió y temperatura? b) Qué masa es mayor la de u mol de itrógeo o la de uo de

Más detalles

ANEXO F CRITERIOS DE EVALUACIÓN ECONÓMICA DE LAS OPCIONES DE PML TÉCNICAMENTE VIABLES

ANEXO F CRITERIOS DE EVALUACIÓN ECONÓMICA DE LAS OPCIONES DE PML TÉCNICAMENTE VIABLES ANEXO F CRITERIOS DE EVALUACIÓN ECONÓMICA DE LAS OPCIONES DE PML TÉCNICAMENTE VIABLES Las medidas de PML a ser implemetadas, se recomieda e base a las opcioes de PML calificadas como ecoómicamete factibles.

Más detalles

Práctica 7 CONTRASTES DE HIPÓTESIS

Práctica 7 CONTRASTES DE HIPÓTESIS Práctica 7. Cotrastes de hipótesis Práctica 7 CONTRATE DE IPÓTEI Objetivos Utilizar los cotrastes de hipótesis para decidir si u parámetro de la distribució de uos datos objeto de estudio cumple o o ua

Más detalles