Contraste sobre la media de una distribución Normal de varianza conocida

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

Download "Contraste sobre la media de una distribución Normal de varianza conocida"

Transcripción

1 Cotrate de hipótei etadítica E la primera parte de la iferecia etadítica e ha abordado el problema de la etimació de parámetro, e ella e ha vito cómo cotruir etimadore de parámetro poblacioale, e ha iitido e el carácter de variable aleatoria que tiee lo etimadore y e ha etudiado la ditribució de alguo de ello, lo que e ha deomiado ditribució e el muetreo, lo cual ha permitido la etimació por itervalo de cofiaza. La eguda parte de la iferecia etadítica aborda u problema diferete, que e platea cuado e pretede comprobar la veracidad de algua afirmació que afecta a u feómeo aleatorio. E u cao como ete, o e poible acometer ua prueba irrefutable, pue el feómeo a etudiar produce reultado que, por er aleatorio, o impredecible. Gracia a la teoría de la probabilidad e podrá defiir u cojuto de reultado má probable e el cao de que fuee cierta la afirmació que e pretede comprobar y platear algú procedimieto para obteer obervacioe de aquél feómeo; i e obtiee repueta de etre aquella que e ha idetificado como muy poco probable, e podrá cocluir la faledad de la afirmació ometida a prueba, aumiedo u marge de error cuya probabilidad de ocurrir podrá er tambié cuatificada. Lo pricipale cocepto relativo a la teoria de cotrate erá itroducido co la ayuda de alguo ejemplo. Cotrate obre la media de ua ditribució Normal de variaza coocida Ejemplo: Supogamo que del ceo de 199 abemo que la talla media de lo etudiate de la Uiveridad de Córdoba e de 17 cm y que u variaza e de 5 cm. Pueto que el ceo e atiguo, Podríamo afirmar que la talla media ha cambiado? Se trata, por tato de cotratar la iguiete hipótei: Hipótei ula Ho: µ 17 Hipótei alterativa H 1 : µ<>17 Supueto iicial: La variable X de que e trata, talla de lo etudiate de la Uiveridad de Córdoba e el curo actual, igue ua ditribució Normal de media µ decoocida y variaza coocida, pue upodremo que erá la mima que e el ceo de 199: 5 cm Metodología: para realizar el cotrate, tomamo ua muetra de tamaño y etimamo e ella µ co la media muetral. La media muetral e ua variable aleatoria que, por proceder de ua ditribució Normal N(µ; ), igue ua ditribució Normal N(µ; /) N(µ; 5/) Tipificado la media muetral, el etadítico N( ;1) Si e cierta la hipótei ula, el etadítico: Cotrate de Hipótei, pág 1

2 x 17 N ( ;1), tambié llamado etadíti co erimetal 5 Regioe crítica y de aceptació: Cocluiré rechazado la hipótei ula i la media muetral e u valor que cotradice claramete dicha hipótei: i obtego ua media muetral mucho má pequeña o mucho mayor que 17. E otro cao, diré que o hay evidecia e cotra de la hipótei ula. Si la media e 17, valore muy alejado de 17 o muy improbable, pero o impoible, exitirá ua probabilidad de ecotrar tale valore, aú iedo cierta la hipótei ula. Si o ecotramo co uo de eto cao y rechazamo la hipótei ula cometemo u error, e el error tipo I. La probabilidad de cometer ee error e fija de atemao, e el ivel de igificació, a P(rechazar Ho/Ho e cierta) Pueto que la media muetral tipificada igue ua ditribució N(;1), puedo ecotrar do abcia que defia u itervalo de probabilidad 1-α. E realidad eta do abcia puede er cualequiera que cumpla la codició de que el área bajo la curva de deidad ea 1-α, pero debido a la imetría de la Normal, e toma 1-α/ ; α/, o lo que e lo mimo: - α/ ; α/ Si, elegida ua muetra, obteemo u fuera de ee itervalo, rechazaremo la hipótei ula. Regió crítica o de rechazo: Cr ( ; α/ ) ( α/ ; ) Regió de aceptació: Co ( α/ ; α/) C Aplicació:La iguiete erie de dato e ua muetra de tamaño 1 de ua N(17;5) 17; 178; 148; 145; 188; 193; 186; 199; 187; 177 la media e:177,3 La regió de aceptació, para u ivel de igificació del 1% e (-1,64 ; 1,64) El etadítico erimetal e:1,3 que etá compredido e la regió de aceptació, por eo e cocluye que o e puede rechazar la hipótei ula. Cotrate de Hipótei, pág

3 Error de tipo II E el que e comete al aceptar la hipótei ula iedo fala, o ea, cuado e rechaza la hipótei alterativa iedo cierta. U cotrate como el plateado: Hipótei ula Ho: µ 17 Hipótei alterativa H 1 : µ<>17 cotempla ifiita poible hipótei alterativa, bata co que la media o ea 17. Pero e todo lo cao la hipótei ula e la mima, y la regió de aceptació para u α del 1% iempre erá (-1,64 ; 1,64). Supogamo que e realidad, la talla actual ha crecido y que ahora la media o e 17 io 18 cm, co ua variaza de 5 cm Ahora la lita iguiete e ua muetra procedete de ua variable N(18;5) 19; 199; 17; 189; 179; 1; 175; 193; 15; 9 la media e:187,5 El etadítico erimetal e:,475 que NO etá compredido e la regió de aceptació, por eo e cocluye (correctamete) que hay evidecia para rechazar la hipótei ula. E cao como ete decimo que el cotrate reultó igificativo. Si embargo, i lo valore obteido hubiera ido lo iguiete, que tambié procede de ua variable N(18;5) 184; 4; 173; 188; 189; 19; 146; 157; 184; 198 la media e:181,3 La regió de aceptació, para u ivel de igificació del 1% e (-1,64 ; 1,64) El etadítico erimetal e:1,598 que etá compredido e la regió de aceptació, por eo e cocluye (icorrectamete) que o e puede rechazar la hipótei ula. Pero abemo que la media e 18, al aceptar la hipótei ula cometemo u error, e el error de tipo II y ocurre cuado e acepta la hipótei ula iedo fala. La probabilidad de cometer error de tipo II e repreeta como b P(aceptar Ho/Ho e fala) Errore de tipo I y II Para ver la relació exitete etre lo do tipo de errore, lo haremo co otro ejemplo: Hipótei ula, la media e:17, X N(17;5) Ditribució media muetral bajo Ho y H 1 b P(error tipo II).6.5 H H α/ C β α/ Cotrate de Hipótei, pág 3

4 U cao cocreto de hipótei alterativa, la media e185, X N(185;5) La variaza e, e ambo cao, 5 Se puede repreetar la fucioe de deidad de la media muetral bajo amba hipótei y ver que el área delimitada por deidad correpodiete a H 1 (ditribució que hay que coiderar cuado H 1 ea cierta) y la regió de aceptació (valore de la media muetral que me hace decir que H 1 e falo) e lo que deomiamo β probabilidad de error de tipo II. Co la ayuda de ete gráfico e puede ver que para reducir el error tipo II e puede hacer má pequeña la regió de aceptació, pero etoce aumeta el error tipo I. Solo e puede dimiuir ambo errore de modo imultáeo aumetado el tamaño de la muetra, pue aí la variaza de la media muetral e meor, la curva Ho y H 1 o má etrecha y, para la mima regió de aceptació, dimiuye el área correpodiete a α y β. Cotrate uilaterale y bilaterale: E cao como el vito hata ahora, rechazaremo la hipótei ula iempre que la muetra extraída cotradiga claramete ea hipótei, e uetro ejemplo, iempre que la media muetral ea igificativamete mayor meor que la propueta como hipótei ula. Cotrate del tipo: Ho: µ µ H 1 : µ< µ Dará reultado igificativo olo i la media muetral e meor que la propueta como hipótei ula y e deomia cotrate uilaterale. El cotrate e platea y e reuelve del mimo modo, pero como olo aceptamo H 1 i la media muetral e claramete meor que 175, la regió crítica e: C 1 ( ; α ) y la regió de aceptació e: C ( α ; ) E el cao de que la hipótei alterativa ea de etido cotrario al aterior: Ho: µ µ H 1 : µ > µ La regioe crítica y de aceptació o: C 1 ( α ; ) y C ( ; α ) Valor crítico o P- valor de u cotrate Se ha vito que e puede cotruir la regió de aceptació y la regió crítica de u cotrate ate de tomar la muetra, bata aber cuál e el etadítico de cotrate, u ditribució, coocer i el cotrate e uilateral o bilateral y el ivel de igificació deeado. Todo ello o requiere el coocimieto de lo dato de la muetra. De hecho, habria que proceder aí para evitar que el coocimieto de la muetra pudiee modificar el plateamieto iicial del tet. No obtate, lo programa etadítico procede de otro modo, como ello puede calcular la probabilidad aociada a cualquier itervalo de valore correpodiete a la ditribució del etadítico de cotrate, puede iformar obre cómo de raro, dede el puto de vita de la hipótei ula, e el valor obteido. E realidad o iforma obre la probabilidad de obteer valore ta raro o má que el obteido, a eta probabilidad e le deomia valor crítico o P- valor del tet. Veámolo co u ejemplo: Sea el cotrate uilateral obre la talla media de lo alumo de la Uiveridad de Córdoba e el año, que upoemo que igue ua ditribució N( µ ; 5) Ho: µ 17 H 1 : µ > 17 Cotrate de Hipótei, pág 4

5 Supogamo que e ha extraido la m.a.. de tamaño 1, que reulta er la iguiete: 184; 4; 173; 188; 189; 19; 146; 157; 184; 198 cuya media e:181,3 El etadítico erimetal e : N ( ;1) x 17 5 Sutituyedo y operado, e obtiee 1,598. Dede el puto de vita de la hipótei ula, valore ta raro o má que ete erá aquello que haga aceptar H 1, e decir, aquella muetra cuya media ea claramete mayor que 17, tato o má que la muetra actual, o, lo que e lo mimo, que produzca u valor de 1,598, de er cierta la hipótei ula, ea probabilidad e puede calcular, pue la ditribució de e ua N(;1): N(;1) P ( ) P ( 1.598).551 El P-valor del cotrate erá, por lo tato,.551. Ahora podemo afirmar que, i la hipótei ula e cierta, valore ta raro como el que proporcioa la muetra actual o aú má favorable a la hipótei alterativa, ocurre olo 5.5 de cada 1 vece que e obtega ua muetra, por lo que podremo aceptar o rechazar la hipótei ula coociedo el riego a error que e corre. E el ejemplo actual, e puede rechazar H, pue el etadítico de cotrate proporcioa u valor de lo que podríamo calificar de raro. No obtate, i e rechaza la hipótei ula, el riego a errar e del 5.5%. E defiitiva, e puede defiir e valor crítico o P-valor de u cotrate como el riego que e aume a equivocare por rechazar la hipótei ula. Si el riego a errar e grade, o la rechazaré, mietra que i ete riego e pequeño, podré rechazarla. E geeral, i el P-valor e meor que α, e rechaza H, y i e mayor e acepta. Tambié e puede cotemplar el P-valor como el ivel de igificació que debe teer u tet para que el etadítico de cotrate ea jutamete la frotera etre la regió crítica y la regió de aceptació. Co eta defiició e puede compreder que, cuado el cotrate e bilateral, el P-valor ea el doble que para el mimo cotrate uilateral. Si e realiza el cotrate: Ho: µ 17 H 1 : µ 17 y e obtiee la muetra aterior, el etadítico de cotrate vuelve a er 1,598, pero ahora, la regió crítica ha de er bilateral, como e baa e ua N(;1), erá ademá imétrica. Si e deea que ea frotera de eta regió e tedrá: r ( ; ) ( ; ) ( ; ) C C ( / (;1) ) P valor P C N r ( ) ( ) ( ) P valor P P + P ( ) P valor P.11 Cotrate de Hipótei, pág 5

6 Geeralmete ete e el reultado que proporcioa lo programa etadítico, i e deea aber el P-valor correpodiete a u cotrate uilateral, bata dividir el que proprocioe el programa etre do. E el cao de cotrate uilaterale, i el P-valor que e cooce e el correpodiete a u cotrate bilateral, olo e rechazará H cuado la catidad erimetal eté del lado de H 1 y i el P-valor calculado dividiedo etre do el que proporcioe el programa, aí lo acoeja. Cotrate obre la media de ua ditribució Normal de variaza decoocida Hata ahora e ha upueto que la variaza poblacioal era coocida, lo que e poco veroímil i la media poblacioal e decoocida. U cao má real erá aquél e que e deee efectuar u cotrate obre la media de ua ditribució ormal de variaza decoocida: Ho: µ µ H 1 : µ µ La media muetral e ua variable aleatoria que, por proceder de ua ditribució Normal N(µ; ), igue ua ditribució Normal N(µ; /). Si e cierta la hipótei ula, la media muetral eguirá ua ditribució N(µ ; /) Tipificado la media muetral, el etadítico N( ;1) Pero ahora o e poible calcularlo, pue la variaza poblacioal e decoocida. No obtate, podemo etimarla co la cuaivariaza. La variable aí tipificada o igue ua ditribució Normal, io ua t de Studet co -1 grado de libertad, por lo que la regió de aceptació para el cotrate bilateral co u ivel de igificació α, e cotruye a partir de la t de Studet C (-t α/ ; t α/ ) y co ella e compara la catidad erimetal: t Ejemplo : e deea realizar el cotrate vito e el primer ejemplo: Ho: µ 17 H 1 : µ 17 Pero ahora upoiedo que e decooce la variaza poblacioal. Para realizar el cotrate, e obtiee ua muetra, ea la muetra de tamaño 1 de ua N(175;5) que hemo utilizado ya : 186; 175; 185; 17; 174; 178; 178; 188; 165; 17 E eta muetra etimamo la media poblacioal co la muetral:177,3 y etimamo la variaza poblacioal co la cuaivariaza, que e: La regió de aceptació, para u ivel de igificació del 1% y 9 grado de libertad e C (-t α/ ; t α/ ) (-1,833 ; 1,833) El etadítico erimetal e: Cotrate de Hipótei, pág 6

7 t , que etá compredido e la regió de aceptació, por eo e cocluye que o e puede rechazar la hipótei ula. Cotrate uilaterale Cuado el cotrate o ea bilateral, la regió crítica e itúa e u olo extremo de la t de Studet, de modo coherete co la hipótei alterativa de que e trate: Hipótei Regió crítica Regió de aceptació Ho: µ µ H 1 : µ > µ Ho: µ µ H 1 : µ < µ C 1 (t α ; ) C ( ; t α ) C 1 ( ; t α ) C ( t α ; ) Cotrate obre la media de ua variable aleatoria que o iga la ditribució Normal. Cuado o e pueda aumir la Normalidad de la variable de partida, tedremo que recurrir a algú cotrate No paramétrico, que o e verá aquí. No obtate, i la muetra e uficietemete grade, e puede aplicar el T.C.L. y realizar el cotrate baádoo e la ditribució ormal, la tabla iguiete reume lo cotrate y la codicioe de aplicabilidad. Cotrate Ho: µ µ H 1 : µ µ Ho:µ µ H 1 : µ > µ Ho: µ µ H 1 : µ < µ Variaza poblacioal Tamaño muetral * coocida >3 decoocida, etimada co >6 coocida >3 decoocida, etimada co >6 coocida >3 decoocida, etimada co >6 Etadítico erimetal / / / / / / Regió de aceptació C ( Ζ α/ ; Ζ α/ ) C ( ; Ζ α ) C ( Ζ α ; ) *: e el tamaño de muetra míimo requerido para que e pueda aplicar el T.C.L., co uficiete garatía de aproximació. Cotrate de Hipótei, pág 7

8 Ejemplo: Supógae que el ivel medio de cotamiació atmoférica obre úcleo urbao medido e cierta ecala o deba uperar la 15 uidade, que para cotrolar ete ivel e haya elegido aleatoriamete cie puto de cotrol obre ua ciudad y que eta medida proporcioe u valor medio de co ua cuaivariaza de 4.8. Cotrátee la hipótei ula de que o e upera el máximo ivel medio admitido. Se tratará de efectuar el cotrate: Ho:µ 15 H 1 : µ 15 Como o e cooce la ditribució de eta variable (de hecho o e idica cuál e el procedimieto i la uidade de medida), e pricipio o e podría platear el cotrate habitual obre la media de ua ditribució Normal, o obtate, como el tamaño muetral, 1 e uficietemete grade, e puede admitir la aproximació Normal de la ditribució de la media muetral y reolver el cotrate. El etadítico de cotrate e: La regió de aceptació, para u ivel de igificació del 5% e: C (- ;.5 ) (- ;1.64) Cocluió: Habría evidecia para afirmar que e ha uperado el ivel máximo admiible. Cotrate obre ua proporció. E gra catidad de ocaioe la variable que e mide e categórica, e eo cao, el parámetro que má habitualmete e ua para caracterizar la ditita categoría de dicha variable e la proporció. Cuado olo iteree ua de la poible categoría frete a la demá, erá aplicable el modelo de ditribució de variable aleatoria biaria, e la que e idetifica como "éxito" al cojuto de reultado que muetra la categoría que e de iteré y como "fracao" a todo lo demá. E ete tipo de ituacioe e poible platear cotrate obre el parámetro p de la ditribució biomial que, como e vio e el tema 7, e podrá y reolver uado la ditribució e el muetreo de la variable X úmero de éxito, pue, como e abe, e biomial de parámetro y p. No obtate, e ete puto e eguirá ua metodología ditita, aplicado la aproximació Normal, cuado eto ea poible. Cotrate del tipo: Ho: p p H 1 : p p Puede er aimilado a uo obre la media de ua variable que o igue la ditribució Normal, pue al tomar ua muetra y etimar e ella la proporció de "éxito", dicho etimador puede er coiderado la media de ua variable biaria e la que aimilamo 1 a "éxito" y a "fracao": i ˆ a x p x 1., dode a e el úmero de éxito de la muetra y x i olo toma valore ó E tal cao, e coidera que la muetra e uficietemete grade i p y q o ambo mayore que 5. Cotrate de Hipótei, pág 8

9 Si H e cierta, la variaza poblacioal o hay que etimarla, pue e la de ua variable biaria de parámetro p : pq El cotrate e reuelve calculado: ˆp p pq y comparádolo co ua regió de aceptació bilateral: C ( Ζ α/ ; Ζ α/ ) De modo imilar e procede para lo cotrate uilaterale. Cotrate Regió de Variaza, bajo H aceptació Població Etimador de p Tamaño muetral Etadítico erimetal Ho:p p H 1 : p> p Ho:p p H 1 : p< p C ( ; Ζ α ) C ( Ζ α ; ) p q pq ˆp p >5 y q >5 ˆp p pq Ejemplo: De ua determiada aigatura e cometa que e produce u úmero exceivo de upeo, para comprobar la opecha, e ha elegido aleatoriamete 5 alumo de etre lo que e ha preetado al primer parcial, y e ha ecotrado que 3 de ello etá upeo, pero el profeor afirma que eo o quiere decir que la proporció de upeo ea mayor que el 5%, E eo cierto?. E poible que el profeor tega razó, pue la iformació que e poee e la de ua muetra, que e upoe repreetativa de todo u alumo, para comprobar la veracidad de u afirmació, e tedrá que efectuar u cotrate obre la proporció de upeo. Si e upoe la iocecia del profeor, el cotrate e plateará: H : p.5 H 1 : p >.5 Como >5, e puede aplicar la aproximació ormal. Para u ivel de igificació α,1, C (- ;.1 ) (- ;.36) y el etadítico de cotrate: pˆ p pq Cocluió: No e puede rechazar que la proporció de upeo e iferior o igual al 5% Cotrate obre la Variaza de ua variable aleatoria que igue ua ditribució Normal. Cotrate del tipo: Ho: H 1 : Cotrate de Hipótei, pág 9

10 Se puede realizar iempre que la variable de partida iga ua ditribució Normal, pue, e tal cao, abemo que: ( 1) i ( ; ) etoce: X N µ χ ( 1) Para reolver el cotrate hay que upoer cierta la hipótei ula, etoce el etadítico de cotrate e: χ ( 1) y e comparará co la regió de aceptació: cotrate plateado, dode 1 α / C 1 α/ α/ ( χ ; χ ), bilateral por el tipo de χ e la abcia de ua ditribució Chi-cuadrado co -1 grado de libertad que deja a u derecha u área 1-a /, y u área a / χ α / e la que deja a u derecha Para el cao uilateral, el etadítico de cotrate e el mimo y la regioe de aceptació e cotruye de modo que la regió crítica ea coherete co la hipótei alterativa. La tabla iguiete reume lo cotrate obre la variaza: Cotrate Ho: H 1 : C Regió crítica (; χ ) ( χ ; ) 1 1 α/ α/ C Regió de aceptació χ 1 α/ χ α/ ( ; ) Etadítico de cotrate Ho: H 1 : > C 1 ( χ α ; ) C (; χ α ) χ ( 1) Ho: H 1 : < C 1 χ 1 α (; ) C ( χ ; ) 1 α Ejemplo: Supogamo la primera muetra de diez alumo matriculado e la Uiveridad de Córdoba durate el año, u talla o: 19; 199; 17; 189; 179; 1; 175; 193; 15; 9 Supoiedo que lo dato proceda de ua ditribució Normal, cotrátee la hipótei ula de que la variaza ea 5 cm cotra la alterativa de que tega otro valor, co u ivel de igificació del 1%. Ho: H 1 : La media de ete cojuto de dato e La cuaivariaza de ete cojuto de dato e Supueto Normalidad, la regió de aceptació, baada e la ditribució Chi-cuadrado co 9 grado de libertad e: C χ1 α/ χα/ χ.95 χ.5 ( ; ) ( ; ) (3.35;16.919) y el etadítico de cotrate: Cocluió: Se aceptará la hipótei ula. χ ( 1) Cotrate de Hipótei, pág 1

11 Cotrate de Normalidad de Kolmogorov-Smirov. La mayoría de lo cotrate paramétrico que e ha vito e baa e la Normalidad de lo dato de la muetra. El cotrate actual permite cocluir i u cojuto de dato procede o o de ua ditribució Normal. El plateamieto e el iguiete: Ho: Lo dato procede de ua Normal H 1 : Lo dato o procede de ua Normal Exite vario cotrate epecífico de Normalidad, el que veremo aquí irve para cualquier tipo de ditribució, o olamete la Normal, por ete motivo, o e el má potete etre todo lo cotrate de Normalidad dipoible. El cotrate de Kolmogorov-Smirov e baa e la idea de que i u cojuto de dato igue u modelo de ditribució, la tabla de frecuecia relativa acumulada ( fució de ditribució empírica) de lo dato debe aproximare a la fució de ditribució teórica propueta. Si la diferecia etre amba ditribucioe o e muy grade, la diferecia puede er atribuida al azar y cocluiremo que lo dato igue la ley propueta. Si la diferecia o grade, etoce o podremo atribuirla al azar, io al hecho de que lo dato o igue el modelo de ditribució propueto. Para realizar el cotrate hay que comparar la frecuecia relativa acumulada co la fució de ditribució teórica, e calcula la diferecia etra amba ditribucioe puto a puto y el etadítico de cotrate e la mayor de toda la diferecia e valor aboluto. La fució de ditribució empírica e ecaloada y muetra u alto e cada uo de lo valore obervado, por ello hay que coiderar do poible diferecia, ua por cada uo de lo valore de la fució de ditribució empírica imediatamete ate y depué de cada uo de lo puto obervado, amba diferecia calculada repecto del valor de la fució de ditribució teórica e ee puto. Se toma la diferecia e valor aboluto, el etadítico de cotrate e la máxima diferecia etre toda ella. El etadítico aí calculado e compara co la míima diferecia igificativa para el ivel de igificació coiderado, proporcioada por la tabla de Kolmogorov-Smirov, y i e meor, cocluimo que o e puede rechazar la hipótei de Normalidad. Tet de Kolmogorov Normal Frecuecia acumulada 1.75 d d Ejemplo La iguiete erie de dato e la muetra de tamaño 1 de ua N(175;5) que hemo utilizado e el primer ejemplo: 17; 178; 148; 145; 188; 193; 186; 199; 187; 177 Cotrate de Hipótei, pág 11

12 Se podrá aceptar, co u ivel de igificació del 5% que ete cojuto de dato procede de ua ditribució Normal? El gráfico aterior puede aclarar la ituació, pue muetra la ditribucioe empírica y teórica del cojuto de dato. Para calcular la fució de ditribució teórica hay que coocer lo do parámetro de la ditribució Normal, la media (µ ), y la variaza ( ), i ambo o decoocido e etimará co la media ( x ) y cuaivariaza de la muetra ( ). El cotrate e platea etoce como: Ho: Lo dato procede de ua Normal ( de media y de variaza ) H 1 : Lo dato procede de otra ditribució (o de ua Normal co otro parámetro) La fució de ditribució teórica e P(X x) y para calcular eta probabilidad teórica hay que tipificar lo dato, pue hay que calcular probabilidade aociada a itervalo de ua variable Normal, y olo teemo tabla de la N(;1) Para tipificar: Media 177.3; Cuaivariaza La tabla iguiete cotiee lo cálculo precio para realizar el cotrate: Dato e orde (*) dato ditito Frec. Ab. Frec. ac. Ab. Frec. ac. Rel. z dato tipificado Probabilidad P( z) d 1 d d max (*) e ete cao o hay dato repetido, por eo eta columa y la aterior coicide y la frecuecia aboluta o toda 1. Si hubiee dato repetido eta columa cotedrá olo lo valore diferete, y e aotará e la columa de frecuecia aboluta el º de vece que e repite. El etadítico de cotrate e D.1934 De la tabla de Kolmogorov, para 1 y a.5, el valor máximo de D e D.41 Como D < D, cocluimo que o e puede rechazar la hipótei de ormalidad. Nota: al etimar lo parámetro poblacioale co lo muetrale, la diferecia etre la ditribució teórica y la empírica tiede a er meore que la que e obtedría i e coociee eto parámetro y e produce meo reultado igificativo que lo que realmete debiera producire. Por ello, para u cao como ete e recomieda uar la tabla de Lilliefor que da valore iferiore de la diferecia igificativa que la proporcioada por la tabla de Maey, que e la que e ha proporcioado e la colecció de tabla. No e ha proporcioado eta eguda tabla para o complicar má lo poible cao a coiderar. Cotrate de Hipótei, pág 1

Este documento es de distribución gratuita y llega gracias a www.cienciamatematica.com El mayor portal de recursos educativos a tu servicio!

Este documento es de distribución gratuita y llega gracias a www.cienciamatematica.com El mayor portal de recursos educativos a tu servicio! Ete documeto e de ditriució gratuita llega gracia a Ciecia Matemática www.cieciamatematica.com El maor portal de recuro educativo a tu ervicio! Itituto Tecológico de Apizaco Departameto de Ciecia Báica

Más detalles

17 ANÁLISIS EN EL DOMINIO DE LA FRECUENCIA

17 ANÁLISIS EN EL DOMINIO DE LA FRECUENCIA 7 ANÁLISIS EN EL DOMINIO DE LA FRECUENCIA El aálii e el domiio de la frecuecia e u herramieta cláica e la teoría de cotrol, i bie e geeral lo itema que varía co ua periodicidad defiida o uele er lo má

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

Implementación y diseño de mecanismos

Implementación y diseño de mecanismos Implemetació y dieño de mecaimo Ua de iño cuarteado E el capítulo 3 del Libro de lo Reye del Atiguo Tetameto e relata el coocido como Juicio del Rey Salomó. Do protituta e preeta ate el rey. Ua de ella

Más detalles

Módulo de Estadística. Tema 7 : Estimación paramétrica e Intervalos de confianza

Módulo de Estadística. Tema 7 : Estimación paramétrica e Intervalos de confianza Módulo de Etadítica Tema 7 : Etimació paramétrica e Itervalo de cofiaza Etimació U etimador e ua catidad umérica calculada obre ua muetra y que eperamo que ea ua buea aproximació de cierta catidad co el

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

Tests de Hipótesis basados en una muestra. ESTADÍSTICA (Q) 7. TESTS DE HIPÓTESIS PARA LA MEDIA DE UNA POBLACIÓN NORMAL CON VARIANZA DESCONOCIDA

Tests de Hipótesis basados en una muestra. ESTADÍSTICA (Q) 7. TESTS DE HIPÓTESIS PARA LA MEDIA DE UNA POBLACIÓN NORMAL CON VARIANZA DESCONOCIDA ETADÍTICA (Q) 13 7. TET DE HIPÓTEI PARA LA MEDIA DE UNA POBLACIÓN NORMAL CON VARIANZA DECONOCIDA ea X1,..., X ua muetra aleatoria de ua població Normal co media = µ y variaza = σ, N(µ,σ ). upogamo ahora

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

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

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

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

Este procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros:

Este procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros: Prueba de Hipótei (Do Muetra) Ete procedimieto prueba hipótei acerca de cualquiera de lo iguiete parámetro:. la diferecia etre la media μ y μ de do ditribucioe ormale.. el radio de la deviació etádar σ

Más detalles

Intervalos de Confianza para la diferencia de medias

Intervalos de Confianza para la diferencia de medias Itervalo de Cofiaza para la diferecia de media INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS Sea,,..., ua muetra aleatoria de obervacioe tomada de ua primera població co valor eperado μ, y variaza

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

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

TEMA 13 INTRODUCCIÓN A LA VALORACIÓN DE ACTIVOS FINANCIEROS

TEMA 13 INTRODUCCIÓN A LA VALORACIÓN DE ACTIVOS FINANCIEROS Diapoitiva. Cocepto y caracterítica de lo activo fiaciero 2. Reta variable, tipo y criterio de valoració 3. Reta fija, tipo y criterio de valoració 4. Duratió y covexidad de u activo fiaciero de reta fija

Más detalles

(d) Observando la solución desarrollada en (a) podemos calcular el capital acumulado al final de cada año:

(d) Observando la solución desarrollada en (a) podemos calcular el capital acumulado al final de cada año: COLEGIO COLOMBO BRITÁNICO DEPARTAMENTO DE MATEMÁTICAS PROGRESIONES/ SECUENCIAS/ SUCESIONES PROFESORES: RAÚL MARTÍNEZ Y JESÚS VARGAS Problema Jua Guillermo ivierte milloe de peo durate año, le pagará a

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

Máquinas Eléctricas I - G862

Máquinas Eléctricas I - G862 Máquia Eléctrica I - G86 Tema 3. Máquia Aícroa o de Iducció. Problema reuelto Miguel Ágel Rodríguez Pozueta Departameto de Igeiería Eléctrica y Eergé5ca Ete tema e publica bajo Licecia: Crea5ve Commo BY-

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

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

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

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

Sistemas de colas. Objetivo teórico: Determinar la distribución del número de clientes en el sistema

Sistemas de colas. Objetivo teórico: Determinar la distribución del número de clientes en el sistema Sitema de cola Ua cola e produce cuado la demada de u ervicio por parte de lo cliete excede la capacidad del ervicio. Se eceita coocer (predecir) el ritmo de etrada de lo cliete y el tiempo de ervicio

Más detalles

www.abaco.com.ve www.abrakadabra.com.ve www.miprofe.com.ve Correo electrónico: josearturobarreto@yahoo.com

www.abaco.com.ve www.abrakadabra.com.ve www.miprofe.com.ve Correo electrónico: josearturobarreto@yahoo.com Autor: José Arturo Barreto M.A. Págias web: www.abaco.com.ve www.abrakadabra.com.ve www.miprofe.com.ve El cocepto de límite Correo electróico: josearturobarreto@yahoo.com Zeó de Elea (90 A.C) plateó la

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

Capítulo 7. Simetría Molecular. 1) Elementos y operaciones de simetría. 1.1) Definiciones

Capítulo 7. Simetría Molecular. 1) Elementos y operaciones de simetría. 1.1) Definiciones apítulo 7. Simetría Molecular ) Elemeto y operacioe de imetría.) Defiicioe Se puede obteer mucha iformació cualitativa de la fucioe de oda y propiedade moleculare (epectro, actividad óptica, ) a partir

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

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

DETERMINACIÓN DEL TAMAÑO MUESTRAL PARA LA SELECCIÓN DE POBLACIONES CON DISTRIBUCIÓN WEIBULL

DETERMINACIÓN DEL TAMAÑO MUESTRAL PARA LA SELECCIÓN DE POBLACIONES CON DISTRIBUCIÓN WEIBULL DETERMINACIÓN DEL TAMAÑO MUESTRAL PARA LA SELECCIÓN DE POBLACIONES CON DISTRIBUCIÓN WEIBULL Alejadro Quiroz Zárate & Erique Villa Diharce Comuicació Técica No I-06-3/28-08-2006 (CC/CIMAT) Determiació del

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

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

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 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

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

LECTURA 05: INTERVALOS DE CONFIANZA Y TAMAÑO DE MUESTRA (PARTE I) TEMA 9: INTERVALOS DE CONFIANZA: INTRODUCCIÓN Y DEFINICIÓN

LECTURA 05: INTERVALOS DE CONFIANZA Y TAMAÑO DE MUESTRA (PARTE I) TEMA 9: INTERVALOS DE CONFIANZA: INTRODUCCIÓN Y DEFINICIÓN Uiveridad Lo Ágele de Chimbote LECTURA 05: INTERVALOS DE CONFIANZA Y TAMAÑO DE MUESTRA (PARTE I) TEMA 9: INTERVALOS DE CONFIANZA: INTRODUCCIÓN Y DEFINICIÓN. INTRODUCCION Actualmete e debe etar bie cociete

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

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

Inferencia Estadística

Inferencia Estadística Decrició breve del tema Iferecia Etadítica Tema 7. Itroducció. Itervalo de Cofiaa Determiació del tamaño muetral 3. Cotrate de hiótei Geeralidade de lo cotrate Metodología del cotrate Regió de rechao y

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

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

t-student y F-Snedecor

t-student y F-Snedecor t-studet y F-Sedecor Itroducció La prueba t-studet e utiliza para cotratar hipótei obre media e poblacioe co ditribució ormal. Tambié proporcioa reultado aproimado para lo cotrate de media e muetra uficietemete

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

LECTURA 04: INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL. INTERVALOS DE CONFIANZA ENTRE DOS MEDIAS POBLACIONALES.

LECTURA 04: INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL. INTERVALOS DE CONFIANZA ENTRE DOS MEDIAS POBLACIONALES. ECTURA 4: INTERVAOS DE CONFIANZA PARA A MEDIA POBACIONA. INTERVAOS DE CONFIANZA ENTRE DOS MEDIAS POBACIONAES. TEMA 8: INTERVAOS DE CONFIANZA: INTRODUCCIÓN Y DEFINICIÓN. INTRODUCCION: Actualmete e debe

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

Estimación puntual y por Intervalos de Confianza

Estimación puntual y por Intervalos de Confianza 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

Más detalles

CONTRASTE DE HIPÓTESIS

CONTRASTE DE HIPÓTESIS Estadística: Cotraste de hipótesis 1 CONTRASTE DE HIPÓTESIS 1. Cotraste de hipótesis sobre la media poblacioal Se parte de ua població supuestamete ormal de media y desviació típica N(, ); se tipifica

Más detalles

Pruebas de hipótesis para dos muestras.

Pruebas de hipótesis para dos muestras. Prueba de hiótei ara do muetra. Prueba de Hiótei ara do muetra grade, deviacioe etádar de la oblacioe deiguale. La roiedade de la Ditribució Normal o tambié umamete útile cuado queremo ecotrar i do cojuto

Más detalles

T5. Contrastes para los parámetros de una población Normal

T5. Contrastes para los parámetros de una población Normal Estadística :: T5. Cotrastes para los parámetros de ua població Normal Estadística T5. Cotrastes para los parámetros de ua població Normal Departameto de Ciecias del Mar y Biología Aplicada Estadística

Más detalles

) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1

) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1 ESTIMACIÓN PUNTUAL. ESTIMACIÓN POR INTERVALOS DE CONFIANZA. 1. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA El objetivo básico de la iferecia estadística es hacer iferecias o sacar coclusioes sobre la població

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

= Adj(A ) = 0 1-2/8 3/8 0 1-2/8 3/8 1-2/8 3/8 8-2 3

= Adj(A ) = 0 1-2/8 3/8 0 1-2/8 3/8 1-2/8 3/8 8-2 3 IES Fco Ayala de Graada Sobrates de 007 (Modelo 5) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( puto) U taller de carpitería ha vedido 5 muebles, etre sillas, silloes y butacas, por u total de

Más detalles

Inteligencia de redes y comunicaciones. Celestino. Eduardo García Ballestero Julio F. Borreguero Ballesteros

Inteligencia de redes y comunicaciones. Celestino. Eduardo García Ballestero Julio F. Borreguero Ballesteros Iteligecia de rede y comuicacioe Celetio Eduardo García Balletero Julio F. Borreguero Balletero CELESTI 1. Itroducció Cuáta de la peroa que coocemo tiee pareja?, cuáta tiee dificultade para ecotrarla?...ya

Más detalles

Fórmula de Taylor. Si f es continua en [a,x] y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) = f(x) = f(a) + f '(c)(x a)

Fórmula de Taylor. Si f es continua en [a,x] y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) = f(x) = f(a) + f '(c)(x a) Aproimació de ua fució mediate u poliomio Cuado yf tiee ua epresió complicada y ecesitamos calcular los valores de ésta, se puede aproimar mediate fucioes secillas (poliómicas). El teorema del valor medio

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

ESTIMACIÓN DE LA VARIANZA POBLACIONAL EN EL MUESTREO EN OCASIONES SUCESIVAS

ESTIMACIÓN DE LA VARIANZA POBLACIONAL EN EL MUESTREO EN OCASIONES SUCESIVAS Metodología de Ecueta I: 575-7803 Vol 6, úm, 00, 9- ETIMACIÓ DE LA VARIAZA POBLACIOAL E EL MUETREO E OCAIOE UCEIVA Amelia V. García Luego Eva M. Arté Rodríguez Imaculada Oña Caado Uiveridad de Almería

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

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

Ejercicios Resueltos ADC / DAC

Ejercicios Resueltos ADC / DAC Curso: Equipos y Sistemas de Cotrol Digital Profesor: Felipe Páez M. Programa: Automatizació, espertio, 010 Problemas Resueltos: Ejercicios Resueltos ADC / DAC ersió 1.1 1. Se tiee u DAC ideal de 10 bits,

Más detalles

1. Lección 11 - Operaciones Financieras a largo plazo - Préstamos (Continuación)

1. Lección 11 - Operaciones Financieras a largo plazo - Préstamos (Continuación) Aputes: Matemáticas Fiacieras 1. Lecció 11 - Operacioes Fiacieras a largo plazo - Préstamos (Cotiuació) 1.1. Préstamo: Método de cuotas de amortizació costates E este caso se verifica A 1 = A 2 = = A =

Más detalles

TEMA 3.- OPERACIÓN FINANCIERA

TEMA 3.- OPERACIÓN FINANCIERA . DEFINICIÓN Y CLASIFICACIÓN. TEMA 3.- OPEACIÓN FINANCIEA Se deomia operació fiaciera a todo itercambio o simultáeo de capitales fiacieros pactado etre dos agetes, siempre que se verifique la equivalecia,

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

(3.b) MODELOS EXPONENCIALES de COLAS

(3.b) MODELOS EXPONENCIALES de COLAS (.b) MODEOS EXOEIAES de OAS ITRODUIÓ A OS ROESOS DE AIMIETO Y MUERTE. Ecuacioe de euilibrio. odició de E.E. AIAIÓ DE AS EUAIOES DE EQUIIBRIO: a cola M/M/. Ilutració del comportamieto. MODEOS DE OAS EXOEIAES.

Más detalles

1,567 f 4 = R 8 f 4 = 15 cm = 41,5 cm. 1,000 f = R 8 f = 15 cm = 26,5 cm. El dioptrio esférico es, por tanto, como el que se muestra en la imagen:

1,567 f 4 = R 8 f 4 = 15 cm = 41,5 cm. 1,000 f = R 8 f = 15 cm = 26,5 cm. El dioptrio esférico es, por tanto, como el que se muestra en la imagen: 0 Óptica geométrica Actividade del interior de la unidad. Tenemo un dioptrio eférico convexo de 5 cm de radio que epara el aire de un vidrio de índice de refracción,567. Calcula la ditancia focal e imagen.

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

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

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

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

. Antes debemos distinguir si los datos provienen de un diseño pareado (dependiente) o es un diseño independiente.

. Antes debemos distinguir si los datos provienen de un diseño pareado (dependiente) o es un diseño independiente. Capítulo 9: Comparació de media E capítulo ateriore etudiamo prueba de hipótei e itervalo de cofiaza para la proporció o la media de ua població. Eto método puede er etedido para otra ituacioe. Lo bueo

Más detalles

TEMA 1: OPERACIONES FINANCIERAS DE AMORTIZA- CION: PRESTAMOS Y EMPRESTITOS

TEMA 1: OPERACIONES FINANCIERAS DE AMORTIZA- CION: PRESTAMOS Y EMPRESTITOS TEMA : OPERACIONES FINANCIERAS DE AMORTIZA- CION: PRESTAMOS Y EMPRESTITOS..-INTRODUCCION : Etedemos por operació fiaciera de amortizació, aquella, e que u ete ecoómico, (acreedor ó prestamista), cede u

Más detalles

Inferencia Estadística

Inferencia Estadística Iferecia Etadítica 1 I Delia Motoro Cazorla. Dpto. de Etadítica e I.O. Uiveridad de Jaé. Capítulo 6. Itroducció a la Iferecia Etadítica 6.1 Itroducció El pricipal objetivo de la Etadítica e iferir o etimar

Más detalles

ANÁLISIS DEL PROBLEMA DE LOS MONOS Y LOS COCOS. (Resolución por JMEB.)

ANÁLISIS DEL PROBLEMA DE LOS MONOS Y LOS COCOS. (Resolución por JMEB.) ANÁLISIS DEL PROBLEMA DE LOS MONOS Y LOS OOS. (Resolució por JMEB.) 1. Defiició. El problema cosiste e calcular la catidad de cocos que había iicialmete e u motó que... ierto día se reuiero moos para recoger

Más detalles

Universidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingenierías RH-Amb-Ag TEORÍA

Universidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingenierías RH-Amb-Ag TEORÍA Uiversidad Nacioal del Litoral Facultad de Igeiería Ciecias Hídricas ESTADÍSTICA Igeierías RH-Amb-Ag TEORÍA Mg. Susaa Valesberg Profesor Titular INFERENCIA ESTADÍSTICA TEST DE HIPÓTESIS INTRODUCCIÓN Geeralmete

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

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

LECTURA 09: INTRODUCCIÓN A LA ESTADÍSTICA NO PARAMÉTRICA (PARTE II). PRUEBA DE CORRELACIÓN DE SPEARMAN TEMA 20: PRUEBA DE CORRELACIÓN DE SPEARMAN

LECTURA 09: INTRODUCCIÓN A LA ESTADÍSTICA NO PARAMÉTRICA (PARTE II). PRUEBA DE CORRELACIÓN DE SPEARMAN TEMA 20: PRUEBA DE CORRELACIÓN DE SPEARMAN LECTURA 09: INTRODUCCIÓN A LA ESTADÍSTICA NO PARAMÉTRICA (PARTE II). PRUEBA DE CORRELACIÓN DE SPEARMAN TEMA 0: PRUEBA DE CORRELACIÓN DE SPEARMAN. INTRODUCCIÒN: El coefciete de correlació de Spearma e ua

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

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

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

Capítulo 2. Operadores

Capítulo 2. Operadores Capítulo 2 Operadores 21 Operadores lieales 22 Fucioes propias y valores propios 23 Operadores hermitiaos 231 Delta de Kroecker 24 Notació de Dirac 25 Operador Adjuto 2 Operadores E la mecáica cuática

Más detalles

UNIDAD Nº 2. Leyes financieras: Interés simple. Interés compuesto. Descuento.

UNIDAD Nº 2. Leyes financieras: Interés simple. Interés compuesto. Descuento. UNIDAD Nº 2 Leyes fiacieras: Iterés simple. Iterés compuesto. Descueto. 2.1 La Capitalizació simple o Iterés simple 2.1.1.- Cocepto de Capitalizació simple Es la Ley fiaciera segú la cual los itereses

Más detalles

Matemáticas Financieras

Matemáticas Financieras Matemática Fiaciera Fracico Pérez Herádez Departameto de Fiaciació e Ivetigació de la Uiveridad Autóoma de Madrid Objetivo del curo: Profudizar e lo fudameto del cálculo fiaciero, eceario para u aplicació

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

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

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

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

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

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 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

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

DISTRIBUCIÓN BIDIMENSIONAL

DISTRIBUCIÓN BIDIMENSIONAL DISTRIBUCIÓ BIDIMESIOAL E ete tema e etudia feómeo bidimeioale de carácter aleatorio. El objetivo e doble: 1. Determiar i eite relació etre la variable coiderada(correlació).. Si ea relació eite, idicar

Más detalles

CONTRASTE DE HIPÓTESIS

CONTRASTE DE HIPÓTESIS CONTRASTE DE HIPÓTESIS El cotraste de hipótesis es el procedimieto mediate el cual tratamos de cuatificar las diferecias o discrepacias etre ua hipótesis estadística y ua realidad de la que poseemos ua

Más detalles

MC Fco. Javier Robles Mendoza Primavera 2009

MC Fco. Javier Robles Mendoza Primavera 2009 1 BENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA FACULTAD DE CIENCIAS DE LA COMPUTACIÓN APUNTES CURSO: ALGEBRA SUPERIOR INGENIERIA EN CIENCIAS DE LA COMPUTACIÓN MC Fco. Javier Robles Medoza Primavera 2009 2

Más detalles

UNIDAD 4.- INFERENCIA ESTADÍSTICA II

UNIDAD 4.- INFERENCIA ESTADÍSTICA II UNIDAD 4.- INFERENCIA ESTADÍSTICA II. ESTIMACIÓN POR INTERVALOS DE CONFIANZA Cosideraremos ua variable aleatoria X co ua media µ descoocida y ua desviació típica coocida (parámetros poblacioales). Lo que

Más detalles

Objetivo. 1. Intervalos y test (una sola muestra) Práctica 7: Intervalos de conanza y contrastes de hipótesis I. M. Iniesta Universidad de Murcia

Objetivo. 1. Intervalos y test (una sola muestra) Práctica 7: Intervalos de conanza y contrastes de hipótesis I. M. Iniesta Universidad de Murcia Práctica 7: Itervalos de coaza y cotrastes de hipótesis I Objetivo E esta práctica y e la siguiete apredemos a aplicar e iterpretar las técicas de itervalos de coaza y test de hipótesis, seleccioado la

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

INTRODUCCION Teoría de la Estimación

INTRODUCCION Teoría de la Estimación INTRODUCCION La Teoría de la Estimació es la parte de la Iferecia Estadística que sirve para coocer o acercarse al valor de los parámetros, características poblacioales, geeralmete descoocidos e puede

Más detalles

DESCONOCIDA. Distribución de la media muestral. EJERCICIOS DE INFERENCIA SOBRE µ CON σ² DESCONOCIDA

DESCONOCIDA. Distribución de la media muestral. EJERCICIOS DE INFERENCIA SOBRE µ CON σ² DESCONOCIDA JRCICIO D INFRNCIA OBR CON σ² DCONOCIDA INFRNCIA OBR CON σ DCONOCIDA Ditribució de la media muetral Mucha vece deeamo realizar iferecia acerca de la de ua població pero o cotamo co la variaza poblacioal

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