TEMA 6. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA
|
|
- Alba Gil Casado
- hace 7 años
- Vistas:
Transcripción
1 TEMA 6. INTRODUCCIÓN A LA INFERENCIA ETADÍTICA 6.. Itroducció 6.. Coceptos básicos 6.3. Muestreo aleatorio simple 6.4. Distribucioes asociadas al muestreo Distribució Chi-Cuadrado Distribució t de tudet Distribució F de edecor 6.5. Distribució de estadísticos muestrales Cocepto de estadístico y distribució muestral Distribució de la media muestral de ua població Normal Distribució de la variaza muestral de ua població Normal Distribució de la diferecia de medias muestrales de dos poblacioes Normales idepedietes Distribució del cociete de variazas muestrales de dos poblacioes Normales idepedietes Distribució de la proporció muestral Distribució de la diferecia de proporcioes muestrales 45
2 6.. Itroducció Aálisis Descriptivo Iferecia Estadística Cálculo de robabilidades Estimació Cotraste de Hipótesis oblació Describir arámetros Características oblacioales Muestra e extrae Estimació Cotraste Estadísticos Geera Datos uméricos Utilizados para obteer 46
3 6. Coceptos básicos oblació: Cojuto de elemetos e los que se observa algua característica comú Observacioes: Valores que toma la característica observada e cada elemeto de la població arámetro: Característica umérica que describe ua variable observada e la població Muestra: Cojuto de uidades represetativas de ua població Estadístico: Fució de los valores de la muestra 47
4 La iferecia estadística esta basada e el estudio de las muestras La muestra debe ser represetativa de la població para extraer coclusioes validas sobre esta població La muestra debe ser aleatoria 48
5 6.3 Muestreo aleatorio simple Cada elemeto de la població tiee la misma probabilidad de ser elegido para formar parte de la muestra y cada muestra del mismo tamaño tiee la misma probabilidad de ser seleccioada Muestra aleatoria simple de tamaño : ea ua població dode observamos la variable aleatoria. Ua muestra aleatoria simple, m.a.s., de tamaño, es u cojuto de variables aleatorias,,...,, que verifica:,,, K Idepedietes etre sí Cada i co idéticas características que 49
6 Muestreo aleatorio simple El muestreo aleatorio simple e poblacioes fiitas se realiza co reemplazamieto, es decir: e seleccioa u elemeto de la població al azar, se observa el valor de la variable aleatoria, se devuelve a la població y se vuelve a seleccioar otro elemeto. Así hasta obteer los elemetos. Este procedimieto garatiza la idepedecia de las observacioes La selecció aleatoria de los elemetos se realiza co ua tabla de úmeros aleatorios, o co algú procedimieto iformático 50
7 asos de u muestreo oblació e la que se observa la variable oblació e decide extraer ua muestra aleatoria simple de tamaño, compuesta por las variables aleatorias,,..., e seleccioa elemetos de la població Muestra Los elemetos seleccioados geera úmeros x, x,...,x, valores observados de las variables aleatorias,,..., 5
8 Ejemplo e poblacioes fiitas E u istituto se quiere realizar u estudio sobre el ivel de colesterol de los alumos. ara ello, se decide extraer ua muestra aleatoria simple de tamaño 0 oblació Alumos del istituto Variable aleatoria, Nivel de colesterol Muestra aleatoria simple, de tamaño 0 Variables aleatorias,,..., 0 i, ivel de colesterol del i-ésimo alumo seleccioado e seleccioa 0 alumos y sus iveles de colesterol so: 9, 70, 35, 40, 5, 63, 3, 03, 87, 49 Valores observados de las variables aleatorias,,..., 0 x x 6 9; 63; x x 7 70; 3; x x ; 03; x x ; 87; x x 5 0 5; 49. 5
9 Ejemplo e poblacioes ifiitas e aaliza muestras de agua de u río para estudiar el ídice de diversidad de especies. Este ídice se utiliza para medir el efecto de ua perturbació, como la cotamiació del agua, e seres vivos. uede determiarse la diversidad de la població ates y después de la perturbació. i el ídice tras la perturbació es mucho mas pequeño idica que la perturbació ha teido efectos egativos. ara esto, se decide extraer ua muestra aleatoria simple de tamaño 8 oblació osibles aálisis del agua Variable aleatoria, Ídice de diversidad Muestra aleatoria simple Variables aleatorias,,..., 8 i : Ídice de diversidad del i-ésimo aálisis realizado e realiza 8 aálisis y sus ídices de diversidad so:.9;.87;.35;.48;.3;.85;.07;.98 Valores observados de las variables aleatorias,,..., 8 x,9; x,87; x,35; x, 48; 3 4 x,3; x,85, x,07; x,
10 6.4 Distribucioes asociadas al muestreo 6.4. Distribució Chi-Cuadrado ea variables aleatorias,,,..., que verifica: Idepedietes etre sí i N ( 0; ) Defiimos la variable aleatoria como: La variable aleatoria sigue ua distribució Chi- Cuadrado co grados de libertad χ 0. Distribució Chi-Cuadrado G. Libertad 0 f(x) x 54
11 Esperaza matemática Variaza E χ Var χ ara valores grades de, la distribució Chi- Cuadrado se aproxima a la distribució Normal. La aproximació se cosidera aceptable para > 30 f(x) Distribució Chi-Cuadrado G. Libertad
12 6.4. Distribució t de tudet ea las variables aleatorias, y Z, que verifica: Z N( 0; ) χ Idepedietes Defiimos la variable aleatoria como: Z La variable aleatoria sigue ua distribució t de tudet co grados de libertad t Cotraste Distribucioes 0.4 Normal t-tudet f(x)
13 Esperaza matemática E t 0 Variaza Var t ara valores grades de, la distribució t de tudet se aproxima a la distribució Normal. La aproximació se cosidera aceptable para > 30 f(x) Distribució t-tudet G. Libertad
14 6.4.3 Distribució F de edecor ea las variables aleatorias, y W, que verifica: χ Idepedietes W χ m Defiimos la variable aleatoria como: W m La variable aleatoria sigue ua distribució F de edecor co y m grados de libertad F, m f(x) Distribució F de edecor G. Libertad 0,
15 ara valores grades de y m, la distribució F de edecor se aproxima a la distribució Normal. f(x) Distribució F de edecor G. Libertad 5,0 0,0 30,
16 6.5 Distribució de estadísticos muestrales 6.5. Cocepto de estadístico y distribució muestral Estadístico: Ua fució de los valores de la muestra. Es ua variable aleatoria, cuyos valores depede de la muestra seleccioada. u distribució de probabilidad, se cooce como Distribució muestral del estadístico ea ua població dode se observa la variable aleatoria. Esta variable, tedrá ua distribució de probabilidad, que puede ser coocida o descoocida, y ciertas características o parámetros poblacioales Estadísticos muestrales Iferecia arámetros poblacioales 60
17 ea ua població dode se observa la variable aleatoria E [ ] µ ; Var[ ] Cosideramos ua muestra aleatoria simple, m.a.s., de tamaño, formada por las v.a.,,...,, K, Idepedie tes E µ [ ] [ ] Var etre sí Defiimos los siguietes estadísticos muestrales: Media muestral: Variaza muestral: ˆ i ( ) 0 i Cuasi-Variaza muestral: i ( i ) 6
18 Cosideramos todas las posibles muestras de tamaño Muestra Muestra Muestra j j j... j i i i... j x x K j x K La variable aleatoria toma los valores: u distribució de probabilidad x, x,.., x j.. Distribució de la media muestral Esperaza matemática: E µ Variaza: Var 6
19 Los estadísticos muestrales, media, variaza y cuasivariaza verifica las siguietes propiedades: Media muestral: Var E µ µ Variaza muestral: E [ ] ˆ Cuasivariaza muestral: E Estas propiedades se verifica siempre, cualquiera que sea la distribució de la variable 63
20 Ejemplo e poblacioes ifiitas ea ua v.a. co valores:, 3, 5. Cosideramos ua m.a.s. de tamaño. Obteer:.- Media y variaza de la v.a..- Media y variaza de la v.a ( ) / 3 / 3 / 3 [ ] 3 µ E µ E [ ] E E [ ]
21 .- x x x ( ) /9 /9 3/9 /9 / E 3 µ Var E µ Var [ ] E E
22 6.5.. Distribució de la media muestral de ua població Normal ea ua població dode se observa la variable aleatoria. upogamos que N ( µ, ) Cosideramos ua muestra aleatoria simple, m.a.s., de tamaño, formada por las v.a.,,...,,,...,, Idepedietes etre si i N ( µ, ) Distribució de la media muestral Caso A. Variaza poblacioal,, coocida Caso B. Variaza poblacioal,, descoocida Caso C. Variaza poblacioal,, descoocida. Muestras grades 66
23 Distribució de la media muestral Caso A. Variaza poblacioal,, coocida La variable aleatoria media muestral: i i Tiee distribució Normal N µ, or lo tato Z µ N ( 0;) 67
24 Caso B. Variaza poblacioal,, descoocida El estadístico T, defiido como: T µ tiee ua distribució t de tudet co g. l. T µ t Caso C. Variaza poblacioal,, descoocida. Muestras grades, > 30 El estadístico T, defiido como: T µ tiee ua distribució Normal, T N(0; ) 68
25 Teorema Cetral del Limite,,..., ea, ua m.a.s., de tamaño de ua població co distribució de probabilidad o especificada, co media µ y desviació típica La variable aleatoria Z, defiida como: Z µ tiee ua distribució, aproximadamete, N ( 0, ) La aproximació es aceptable para > 30 69
26 Ejemplo: Distribució de la media muestral Variaza poblacioal coocida e está estudiado el tiempo trascurrido etre la poliizació y la fertilizació,, e ua especie de coíferas. upogamos que la variable está ormalmete distribuida co ua media de 6 meses y ua desviació típica de meses. Cosideramos ua m.a.s. de tamaño 5. Obteer la probabilidad de que el tiempo medio trascurrido e la muestra etre la poliizació y la fertilizació sea como máximo de 6,3 meses ( µ ; ) ( 6 ) :" Tiempo trascurrido" N N ; Z µ N ( 0; ) ( 6.3) ( Z 0.75) ( Z 0.75)
27 Ejemplo: Distribució de la media muestral Variaza poblacioal descoocida e está realizado u estudio sobre la calidad del aire e ua zoa. Uo de los idicadores de la calidad del aire es el úmero medio de microgramos de partículas e suspesió por metro cúbico. upogamos que la variable : Número de microgramos de partículas, está ormalmete distribuida. e hace 6 medicioes, e las que se obtiee ua cuasidesviació típica de uidades. Obteer la probabilidad de que la media muestral o difiera de la media poblacioal e más de 8 uidades. T µ µ µ t t 5 ( µ 8) ( 8 µ 8) 8 8 µ (.947 t. 947) (.947) t5 7
28 . e hace 36 medicioes e las que se obtiee ua cuasidesviació típica de uidades. Obteer la probabilidad de que la media muestral o difiera de la media poblacioal e más de 5 uidades. T µ µ µ t 35 N 36 ( 0;) ( µ 5) ( 5 µ 5) Z (.5.5)
29 Ejemplo: Teorema cetral del límite upogamos que el º de barriles de petróleo que produce u pozo al día es ua v.a. co distribució o especificada. i se observa la producció e 64 días y se sabe que la desviació típica del º de barriles por día es 6, obteer la probabilidad de que la media muestral se ecuetre a o más de 4 barriles del verdadero valor de la producció media diaria :" Nº de barriles el día " :" Nº de barriles el día " M i :" Nº de barriles el día i" M 64 :" Nº de barriles el día 64" i 6 > i N µ ; 6 N µ ; N µ 64 ( ; ) 73
30 6 Nµ ; Nµ ; N µ ; 64 ( ) Z µ µ N(0; ) ( µ 4) ( 4 µ 4) 4 µ 4 ( Z ) ( Z )
31 Distribució de la variaza muestral de ua població Normal ea ua població dode se observa la variable aleatoria. upogamos que N ( µ, ) Cosideramos ua muestra aleatoria simple, m.a.s., de tamaño, formada por las v.a.,,...,,,...,, Idepedietes etre si i N ( µ, ) Distribució de la variaza muestral Caso A. Media poblacioal, µ, coocida (*) Caso B. Variaza poblacioal, µ, descoocida (*) Este caso o se icluye e los coteidos del curso 75
32 Distribució de la variaza muestral Media poblacioal, µ, descoocida El estadístico χ, defiido como: χ ( ) ˆ tiee ua distribució Chi-Cuadrado co grados de libertad χ ˆ ( ) χ 76
33 Ejemplo: Distribució de la variaza muestral e cosidera ua medició física realizada co u istrumeto de precisió, dode el iterés se cetra e la variabilidad de la lectura. e sabe que la medició es ua v.a. co distribució Normal y desviació típica 4 uidades. e toma ua m.a.s. de tamaño 5. Obteer la probabilidad de que el valor de la variaza muestral sea mayor de.6 uidades cuadradas. ( ; 4) i :"Medició" N µ 5 ˆ χ ( ) χ ( ) ˆ.6 ˆ χ 6 ( ) χ
34 Distribució de la diferecia de medias muestrales de dos poblacioes Normales idepedietes ea las variables aleatorias e tales que Cosideramos: N ( µ, ),,..., N ( µ, ) x Idepedietes m.a.s. de tamaño de, m.a.s. de tamaño de,,...,, i i i ( ) i i i i ( ) i 78
35 Distribució de la diferecia de medias Caso A. Variazas poblacioales coocidas Caso B. Variazas poblacioales descoocidas, pero iguales Caso C. Variazas poblacioales descoocidas, distitas o o, co, > 30 79
36 Distribució de la diferecia de medias Caso A. Variazas poblacioales coocidas La variable aleatoria,, tiee distribució Normal N ( ), µ µ + or lo tato Z ( ) ( µ µ ) N (0;) + 80
37 Caso B. Variazas poblacioales descoocidas, pero iguales El estadístico T, defiido como: T ( ) ( µ µ ) p + dode: p ( ) + ( ) + tiee ua distribució t de tudet co grados de libertad + ( ) ( ) µ µ T t + p + 8
38 Caso C. Variazas poblacioales descoocidas distitas o o, co, > 30 El estadístico Z, defiido como: Z ( ) ( µ µ ) + tiee distribució Normal Z ( ) ( µ µ ) + N ( 0;) 8
39 Ejemplo: Distribució de la diferecia de medias Variazas poblacioales coocidas Los iveles de radiació latete e dos regioes A y B sigue distribucioes Normales idepedietes de medias 0.48 y y variazas 0. y 0.0 rem por año, respectivamete. e realiza 5 medicioes e la regió A y 00 e la B. Obteer la probabilidad de que la media de la muestra A sea como máximo 0. rem superior a la media de la muestra B. :"Nivel radiació latete e A" :"Nivel radiació latete e B" N N ( 0.48; 0.) ; 5 ( ; 0.0 ); 00 Z ( µ µ ) + N ( 0;) 83
40 84 ( ) ( ) ( ) ( ) ( ) ( ) Z Z Z µ µ µ µ ( ) ( ) 0; N Z + µ µ
41 Ejemplo: Distribució de la diferecia de medias. Variazas poblacioales descoocidas, pero iguales e está realizado u estudio sobre la calidad del aire e dos zoas A y B. U idicador de la calidad es el úmero de microgr. de partículas e suspesió por m 3 de aire, que supoemos sigue distribucioes Normales idepedietes de media 6.37 e A, 6.0 e B y variazas iguales. E la zoa A se realiza medicioes, obteiédose ua cuasi-variaza de 8.44 microgr y e la B 5 medicioes, co ua cuasi-variaza de 9.44 microgr. Obteer la probabilidad de que la media muestral de A sea como míimo tres uidades superior a la media muestral de B. :"Calidad del aire e A"; :"Calidad del aire e B"; N N ( 6.37; ) ( 6.0; ) ; 5; s s
42 86 ( ) ( ) 6.0; aire e B"; :"Calidad del 6.37; aire e A"; :"Calidad del N N ; 8.44 ; s s ( ) ( ) ( ) ( ) t t p p µ µ µ µ ( ) ( ) ( ) p
43 Ejemplo: Distribució de la diferecia de medias Variazas poblacioales descoocidas. Muestras grades e estudia el efecto de u vertido tóxico e u río, comparado el ídice de biodiversidad I.B-D. ates y después del vertido. upogamos que los I.B-D. sigue distribucioes Normales. Ates del vertido se había realizado 35 pruebas y se obtuvo ua media de.9 y ua cuasidesviació típica de 0.4. Después del vertido se realiza 40 pruebas y se obtiee ua media de.7 y ua cuasidesviació típica de 0.7. Obteer la probabilidad de que la media poblacioal ates del vertido sea como máximo 0.5 uidades iferior a la media poblacioal después del vertido. :"I.B- D ates del vertido" N :"I.B- D después del vertido" Z 35; 40 ( ) ( µ ) µ +. 9;. 7; ( µ ; ) N( µ ; ) N ( 0;) 87
44 88 ( ) ( ) N N µ µ ; ; vertido" :"I.B- D después del vertido" :"I.B- D ates del ;.. ;. ; ( ) ( ) ( ) ( ) ( ) ( ) Z Z Z µ µ µ µ
45 Distribució del cociete de variazas muestrales de dos poblacioes Normales idepedietes ea las variables aleatorias e tales que Cosideramos: N ( µ, ),,..., N ( µ, ) x Idepedietes m.a.s. de tamaño de, m.a.s. de tamaño de,,...,, i i i i ( ) j j j j ( ) 89
46 Distribució del cociete de variazas muestrales El estadístico F, defiido como: F tiee ua distribució F de edecor co,, grados de libertad F F, 90
47 9 e está comparado la variabilidad de los I.B-D de dos ríos A y B, que supoemos sigue distribucioes Normales. e realiza 6 medicioes e el río A y se obtiee ua cuasi-variaza de 9.5, y 8 medicioes e el río B y se obtiee ua cuasivariaza de 7. Obteer la probabilidad de que la variaza e el río B sea como míimo el doble de la variaza e el río A. Ejemplo: Distribució del cociete de variazas muestrales, F F ( ) ( ) N N µ µ ; ; río B" :"I.B- D e el río A" :"I.B- D e el ( ) ( ) ,, F F
48 Distribució de la proporció muestral Cosideramos ua variable aleatoria B(; p), dode p es la proporció de éxitos e la població ara tamaños grades de, > 30, la distribució Biomial se aproxima a ua distribució Normal : N ( p; pq) Defiimos el estadístico proporció muestral como: p ˆ 9
49 Distribució de la proporció muestral El estadístico proporció muestral : p ˆ Verifica que: p ˆ N p; pq or lo tato: Z pˆ p pq N ( 0;) 93
50 Ejemplo: Distribució de la proporció muestral e quiere probar ua terapia de grupo para dejar de fumar. ara ello se toma ua m.a.s. de 50 fumadores. e sabe que las persoas que lleva al meos 0 años fumado tiee más dificultades para dejar de fumar, y que el 38% de los fumadores lleva al meos 0 años fumado. or ello, se decide separar uos de otros si etre los fumadores elegidos más de u 9% lleva más de 0 años fumado. Obteer la probabilidad de que se decida separarlos. p :"roporció de fumadores co pˆ :"roporció de fumadores co 0 años, e la 0 años, e la població muestra pq p ˆ N p; N0. 38; N. 50 pˆ p Z pq pˆ pˆ N ( ) ( Z ) ( 0; ) ( 0. 38; 0 068) ( p 0. 9) ( Z. 769) ˆ Z
51 Distribució de la diferecia de proporcioes muestrales ea las variables aleatorias e tales que B B ( ; p ) ( ; p ) Idepedietes ara y grades, se verifica: ( ; ) N p p q ( ) N p ; pq Defiimos las proporcioes muestrales como: pˆ pˆ 95
52 96 Defiimos el estadístico diferecia de proporcioes muestrales: e verifica que: Distribució de la diferecia de proporcioes muestrales ; ˆ ˆ p p p p p p ˆ ˆ ˆ ˆ : dode ; - ( ) ( ) ( ) 0; ˆ ˆ N q p q p p p p p Z +
53 Ejemplo: Distribució de la diferecia de proporcioes muestrales e sabe que e ua població el 8% de las mujeres y el 5% de los hombres so fumadores. e extrae muestras de 4 mujeres y 40 hombres. Determiar la probabilidad de que las mujeres fumadoras supere a los hombres fumadores e al meos el 4%. p : roporció de mujeres fumadoras e la població p : roporció de mujeres fumadoras e la població pˆ : roporció de mujeres fumadoras e la muestra pˆ : roporció de mujeres fumadoras e la muestra ( p p ) ( p p ) ( p p ) ( ) ˆ ˆ ˆ ˆ Z pq p q ( p p ) ˆ ˆ N ( 0; ) ( p p ) ( p p 0. 04) ˆ ˆ ˆ ˆ ( p p ) ˆ ˆ Z ( Z )
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 detallesT ema 8 ESTIMACIÓN. Conceptos previos. Población y muestra:
T ema 8 ESTIMACIÓN Coceptos previos Població y muestra: Població se refiere al cojuto total de elemetos que se quiere estudiar ua o más características. Debe estar bie defiida. Llamaremos N al úmero total
Más detallesTema 6: Distribuciones Muestrales
Tema 6: Distribucioes Muestrales El objetivo es efectuar ua geeralizació de los resultados de la muestra a la població. Iferir o adiviar el comportamieto de la població a partir del coocimieto de ua muestra.
Más detallesIntervalo de confianza para µ
Itervalo de cofiaza para p y ˆp1 ˆp ˆp1 ˆp ˆp z 1 α/ ; ˆp + z 1 α/, 7.6 ˆp + z 1 α/ ± z 1 α/ 1 + z 1 α/ ˆp1 ˆp + z 1 α/ 4 7.7 siedo ˆp = x/ y z 1 α/ el cuatil 1 α/ de la distribució ormal estádar. El itervalo
Más detalles11 I N F E R E N C I A E S T A D Í S T I C A I (INTERVALOS DE CONFIANZA)
I N F R N C I A S T A D Í S T I C A I (INTRVALOS D CONFIANZA) Sea Ω ua població y sobre ella ua variable aleatoria X que sigue ua ley ormal N(µ; ), co media µ descoocida y desviació típica coocida. Co
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 3, Parte II, Opció A Juio, Ejercicio 3, Parte II, Opció B Reserva
Más detallesIntervalos de confianza para la media
Itervalos de cofiaza para la media Ejercicio º 1.- Las vetas diarias, e euros, e u determiado comercio sigue ua distribució N(950, 200). Calcula la probabilidad de que las vetas diarias e ese comercio:
Más detalles8. INTERVALOS DE CONFIANZA
8. INTERVALOS DE CONFIANZA Al estimar el valor de u parámetro de la distribució teórica, o se provee iformació sobre la icertidumbre e el resultado. Esa icertidumbre es producida por la dispersió de la
Más detallesTema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD. X- μ. f(x) = e para - < x < Z 2. . e para - < z <
Tema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD La distribució ormal: La distribució ormal, campaa de Gauss o, curva ormal, tambié defiida por De Moivre. Características y propiedades: La siguiete fórmula
Más detallesTEMA 1. ESTADÍSTICA DESCRIPTIVA
TEMA. ESTADÍSTICA DESCRIPTIVA. Itroducció: coceptos básicos. Tablas estadísticas y represetacioes gráficas. Características de variables estadísticas uidimesioales.. Características de posició.. Características
Más detallesINTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA.
INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA. Població: El cojuto de todos los elemetos o idividuos que posee ua determiada característica o cualidad de iterés. Existe situacioes e las que o es posible aalizar
Más detallesESTIMACIÓN POR INTERVALOS DE CONFIANZA
Estimació por itervalos de cofiaza. I.E.. A uqueira I pag. Coceptos ETIMACIÓN POR INTERVALO DE CONFIANZA E este tema vamos a estudiar como estimar, es decir proosticar, u parámetro de la població, geeralmete
Más detallesObjetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia
M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo Objetivos Tratar co muestras aleatorias y su distribució muestral e ejemplos de tamaño reducido. Tratar co la distribució de la
Más detallesProblemas 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 detallesINFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS
INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS Població E el cotexto de la estadística, ua població es el cojuto de todos los valores que puede tomar ua característica medible e particular, de u cojuto correspodiete
Más detallesTécnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20
Técicas Cuatitativas II 2012-2013 Muestra y Estadísticos Muestrales TC II Muestra y Estadísticos Muestrales 1 / 20 Ídice Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media Cocepto de muestra
Más detallesTest de Kolmogorov Smirnov Patricia Kisbye El test chi-cuadrado en el caso continuo
Test de Kolmogorov Smirov Técicas de validació estadística Bodad de auste Kolmogorov-Smirov Patricia Kisbye FaMAF 29 de mayo, 2008 Icoveiete: No es secillo costruir los itervalos a partir de las probabilidades.
Más detallesResumen Tema 2: Muestreo aleatorio simple. Muestreo con probabilidades desiguales.
Resume Tema 2: Muestreo aleatorio simple. Muestreo co probabilidades desiguales. M.A.S.: Muestreo aleatorio simple co probabilidades iguales si reemplazo. Hipótesis: Marco perfecto, si omisioes i duplicados
Más detallesNúmero de personas que se forman en una fila en 1 hora Número de águilas que se obtienen al lanzar una moneda 5 veces.
Statistics Review Variable Aleatoria o Ua variable aleatoria es ua variable cuyo valor está sujeto a variacioes que depede de la aleatoriedad. o Debe tomar valores uméricos, que depede del resultado del
Más detallesMuestreo y estimación
Muestreo y estimació BENITO J. GONZÁLEZ RODRÍGUEZ bjglez@ull.es DOMINGO HERNÁNDEZ ABREU dhabreu@ull.es MATEO M. JIMÉNEZ PAIZ mjimeez@ull.es M. ISABEL MARRERO RODRÍGUEZ imarrero@ull.es ALEJANDRO SANABRIA
Más detallesESTADÍSTICA. Estadística: Es una rama de la matemática que comprende Métodos y Técnicas que se emplean
ESTADÍSTICA Estadística: Es ua rama de la matemática que comprede Métodos y Técicas que se emplea e la recolecció, ordeamieto, resume, aálisis, iterpretació y comuicació de cojutos de datos. Població:
Más detallesEL CONTRASTE DE HIPOTESIS: Esquemas y ejemplos
EL CONTRASTE DE HIPOTESIS: Esquemas y ejemplos Ua vez expuesta la lógica de u Cotraste de Hipótesis y tras haber defiido los térmios y coceptos ivolucrados, hay que decir que esa lógica geeral se cocreta
Más detallesINTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO
INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO Objetivos geerales del tema E este tema se itroducirá el cocepto de estadístico como medio para extraer iformació acerca de la ley de
Más detallesESTIMACIÓN. TEMA 5: Estimación puntual I. Propiedades de los estimadores. TEMA 6: Estimación puntual II. Métodos de estimación puntual
ESTIMACIÓN TEMA 5: Estimació putual I. Propiedades de los estimadores TEMA 6: Estimació putual II. Métodos de estimació putual TEMA 7: Estimació por itervalos CONTRASTES DE HIPÓTESIS TEMA 8: Cotrastes
Más detallesDISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL.
DISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL. E estadística, la distribució biomial es ua distribució de probabilidad discreta que mide el úmero de éxitos e ua secuecia de esayos
Más detallesMuestreo. Mucho de las acciones y decisiones que se toman están basados en la información de una muestra.
1 Muestreo Muco de las accioes y decisioes que se toma está basados e la iformació de ua muestra. La preguta que siempre se ace, es: qué tamaño de muestra es suficiete para obteer ua buea aproximació de
Más detallesEstimador Es la regla o procedimiento, expresado en general por medio de una fórmula, que se utiliza para deducir la estimación.
Teoría de la Estimació Estadística Teoría de la Estimació Estadística Razó para estimar Los admiistradores utiliza las estimacioes porque se debe tomar decisioes racioales, si que tega la iformació pertiete
Más detallesIntroducciónalaInferencia Estadística
Capítulo 6 ItroduccióalaIferecia Estadística 6.1. Itroducció El pricipal objetivo de la Estadística es iferir o estimar características de ua població que o es completamete observable (o o iteresa observarla
Más detallesTEMA 3: INFERENCIA ESTADISTICA
ESTADÍSTICA, CURSO 008 009 TEMA 3: INFERENCIA ESTADISTICA INTRODUCCION oblació. Muestra, muestreo. Objetivos de la iferecia estadística. Métodos paramétricos y o paramétricos. TEORIA ELEMENTAL DEL MUESTREO.
Más detallesINFERENCIA ESTADÍSTICA
X INFERENCIA ESTADÍSTICA Sea ua característica o variable aleatoria de la població objeto de estudio y sea ( X, X, X,..., X ) ua muestra aleatoria de dicha població. 1 3 U parámetro poblacioal es ua caracterizació
Más detalles4 Contrastes del Chi 2 de bondad del ajuste
4 Cotrastes del Chi de bodad del ajuste U cotraste de bodad del ajuste es de la forma o H 0 : P = P 0 frete a H 1 : P P 0 H 0 : P {P θ } θ Θ frete a H 1 : P / {P θ } θ Θ 4.1 Cotraste del χ para modelos
Más detallesEstimación por intervalos
Estimació por itervalos Estimació por itervalos para la media poblacioal co (variaza poblacioal) coocida P( x z/ x z/ ) 1 co (variaza poblacioal) descoocida Si 30 se reemplaza por S y usamos el itervalo
Más detallesOPCIÓN A EJERCICIO 1_A x 1 0 1
IES Fco Ayala de Graada Sobrates de 006 (Modelo 3 Juio) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A x 1 0 1 Sea las matrices A = y B =. 1 x+1 (1 puto) Ecuetre el valor o valores de x de forma
Más detallesDISTRIBUCIONES MUESTRALES
UNIDAD II DISTRIBUCIONES MUESTRALES Competecia: -El estudiate debe saber utilizar las diferetes distribucioes muestrales,es decir las diferetes distribucioes de cualquier estadístico estimado a partir
Más detallesOPCIÓN A EJERCICIO 1 (A) -5 0
IES Fco Ayala de Graada Sobrates 014 (Modelo 1 ) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 014 MODELO 1 OPCIÓN A EJERCICIO 1 (A) -5 0-1 -8-1 Sea las matrices B =
Más detallesMétodo de máxima verosimilitud. Curso de Estadística TAE,2005 J.J. Gómez Cadenas
Método de máxima verosimilitud Curso de Estadística TAE,2005 J.J. Gómez Cadeas Muestras Cosiderar ua variable aleatoria x descrita por la pdf f(x). El espacio de muestras está costituido por todos los
Más detallesTema 1: ESTIMACIÓN DE PARÁMETROS Y CONTRASTE DE HIPÓTESIS.
Tema : ETIMACIÓN DE PARÁMETRO CONTRATE DE HIPÓTEI... Itroducció.. Objetivos.3. Distribucioes muestrales.3.. Distribució muestral de la media.3.. Distribució muestral de la proporció.3.3. Distribució muestral
Más detallesTema 7: Estimación por intervalos de confianza.
Estadística 69 Tema 7: Estimació por itervalos de cofiaza. 7. Itroducció. Cuado tratamos la estimació putual, uo de los problemas que se platearo es que el valor de la estimació es sólo uo de los valores
Más detalles6. DISTRIBUCIONES MUESTRALES
6. DISTRIBUCIONES MUESTRALES DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es saber acerca del comportamieto de parámetros poblacioales tales como: la media ( ), la variaza ( ) o la proporció
Más detallesPráctica 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 detallesMUESTREO ESTRATIFICADO MUESTREO ESTRATIFICADO MUESTREO ESTRATIFICADO MUESTREO ESTRATIFICADO
El muestreo estratificado cosiste e dividir la població e subcojutos o estratos, y de cada uo de ellos seleccioar ua muestra probabilística; de maera idepediete de u estrato a otro. Existe tres razoes
Más detallesCalculamos los vértices del recinto resolviendo las ecuaciones las rectas de dos en dos.
IES Fco Ayala de Graada Sobrates de 006 (Modelo 1 ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (3 putos) Ua impreta local edita periódicos y revistas. Para cada periódico ecesita u cartucho de
Más detallesINFERENCIA ESTADÍSTICA Y ESTIMACIÓN
INFERENCIA ESTADÍSTICA Y ESTIMACIÓN La estadística iferecial se ocupa de exteder o extrapolar a toda ua població, iformacioes obteidas a partir de ua muestra, así como de tomar de decisioes. El muestreo
Más detalles1 x 1 0,1666. sabiendo que 506, 508, 499, 503, 504, 510, 497, 512, 514, 505, 493, 496, 506, 502, 509, 496.
GRADO GESTIÓN AERONÁUTICA: EXAMEN ESTADÍSTICA TEÓRICA 9 de Eero de 015. E-7. Aula 104 1.- La fució de desidad de ua variable aleatoria es: a b 0 f() 0 e el resto sabiedo que 1 P 1 0,1666. Determiar a y
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2012 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 7: CONTRASTE DE HIPÓTESIS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 22 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 7: CONTRASTE DE HIPÓTESIS Juio, Ejercicio 4, Oció B Reserva, Ejercicio 4, Oció B Reserva 2, Ejercicio 4,
Más detalles3.1. Muestreo aleatorio sin reposición Muestreo aleatorio con reposición (muestreo aleatorio simple)
1 Muestreo Tema 1 1. Muestreo. Muestreo aleatorio 3. Tipos de muestreo aleatorio 3.1. Muestreo aleatorio si reposició 3.. Muestreo aleatorio co reposició (muestreo aleatorio simple) 3.3. Muestreo aleatorio
Más detalles14. Técnicas de simulación mediante el método de Montecarlo
4. Técicas de simulació mediate el método de Motecarlo 4. Técicas de simulació mediate el método de Motecarlo Qué es la simulació? Proceso de simulació Simulació de evetos discretos Números aleatorios
Más detallesTécnicas experimentales de Física General 1/11
La distribució de Itroducció. Ejemplo. Defiició geeral de. Grados de libertad. reducido. La distribució de. Probabilidades de. Ejemplos: 1. Distribució de Poisso.. Bodad de u ajuste. Técicas eperimetales
Más detallesDistribuciones en el muestreo, EMV
Distribucioes e el muestreo, E Tema 6 Descripció breve del tema. Itroducció y coceptos básicos. Propiedades de los estimadores Sesgo, Variaza, Error Cuadrático Medio y Cosistecia 3. Distribució de u estimador
Más detallesT ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD. x 1. x 2 = 1 = 2. x 3 = 3. x 4. Variable aleatoria: definición y tipos:
T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Variable aleatoria: defiició y tipos: Ua variable aleatoria es ua fució que asiga u úmero real, y sólo uo, a cada uo de los resultados de u eperimeto aleatorio.
Más detallesInferencia Estadística
Iferecia Estadística Tema 1 - Elemetos de la teoría del muestreo 1.1. Coceptos básicos: muestra aleatoria y estadístico. 1.2. Otros tipos de muestreo. a explicació que aquí iiciamos tiee como objetivo
Más detallesINTERVALOS DE CONFIANZA
Gestió Aeroáutica: Estadística Teórica Facultad Ciecias Ecoómicas y Empresariales Departameto de Ecoomía Aplicada Profesor: Satiago de la Fuete Ferádez NTERVALOS DE CONFANZA Gestió Aeroáutica: Estadística
Más detallesOPCIÓN A EJERCICIO 1_A
IES Fco Ayala de Graada Sobrates de 2006 (Modelo 6 ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (2 putos) Sea las matrices A= y B = (1 1). -5-4 Eplique qué dimesió debe teer la matriz X para
Más detallesTeoría de muestras INTRODUCCIÓN A LA TEORÍA DE MUESTRAS
Teoría de muestras INTRODUCCIÓN A LA TEORÍA DE MUESTRAS Cuado se lleva a cabo ua ivestigació estadística, se pretede realizar algua iferecia acerca de situacioes aparetemete ifluidas por el azar. Por ejemplo,
Más detalles6. DISTRIBUCIONES MUESTRALES
6. DISTRIBUCIONES MUESTRALES Dr. Edgar Acua http://math.uprm.edu/~edgar UNIVERSIDAD DE UERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es saber
Más detallesCAPÍTULO 6 DISTRIBUCIONES MUESTRALES
CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es saber acerca del comportamieto de parámetros poblacioales tales como: la media ( ), la variaza ( ) o la proporció ( p ). Para
Más detallesSESION 15 DISTRIBUCIONES DE MUESTREO
SESION 15 DISTRIBUCIONES DE MUESTREO I. CONTENIDOS: 1. Distribució de muestreo. 2. Distribucioes de muestreo de la media 3. Media, mediaa y moda, así como su relació co la desviació estádar de las distribucioes
Más detallesTema 10 Cálculo de probabilidades Matemáticas CCSSII 2º Bachillerato 1
Tema 10 Cálculo de probabilidades Matemáticas CCSSII 2º Bachillerato 1 TEMA 10 CÁLCULO DE PROBABILIDADES 10.1 EXPERIENCIAS ALEATORIAS. SUCESOS EXPERIENCIAS DETERMINISTAS Y ALEATORIAS Se llama experiecia
Más detallesIntroducción a la Inferencia Estadística. Muestreo en poblaciones normales
Ídice 5 Itroducció a la Iferecia Estadística Muestreo e poblacioes ormales 51 51 Itroducció 51 52 Estadísticos y mometos muestrales 53 521 Media muestral Propiedades 54 522 Variaza muestral Propiedades
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
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 detallesMAS obtenidas de una población N, son por naturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño n, tomadas de la misma
MAS obteidas de ua població N, so por aturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño, tomadas de la misma població N, tega la misma media muestral o que sea completamete
Más detallesEstadístico. Parámetro
La iferecia estadística comprede el establecer ciertos juicios co respecto a algo después de examiar solamete ua parte o muestra de ello. Así, se ofrece ua muestra gratis de u uevo producto alimeticio
Más detallesIES Fco Ayala de Granada Sobrantes de 2005 (Modelo 1) Solución Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates de 005 (Modelo 1) Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A ( 5 putos) Resuelva el siguiete sistema y clasifíquelo atediedo al úmero de solucioes: x + y + z = 0 x +
Más detallesEstadística Aplicada a las ciencias Sociales Examen Febrero de 2008 segunda semana
Estadística Aplicada a las ciecias Sociales Exame Febrero de 008 seguda semaa Ejercicio 1.- E la siguiete tabla, se tiee el úmero de alumos de educació de adultos matriculados e el curso graduado escolar
Más detallesIntervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ.
Itervalos de Cofiaza basados e ua sola muestra Ua estimació putual sólo os proporcioa u valor umérico, pero NO proporcioa iformació sobre la precisió y cofiabilidad de la estimació del parámetro. Etoces
Más detallesTEORÍA DE LA ESTIMACIÓN
TEORÍA DE LA ESTIMACIÓN Objetivo: El objetivo de la estimació putual es usar ua muestra para obteer úmeros (estimacioes putuales) que sea la mejor represetació de los verdaderos parámetros de la població.
Más detallesUNIDAD 3.- INFERENCIA ESTADÍSTICA I
UNIDAD 3.- INFERENCIA ESTADÍSTICA I 1. ESTADÍSTICA INFERENCIAL. MUESTREO La Estadística es la ciecia que se preocupa de la recogida de datos, su orgaizació y aálisis, así como de las prediccioes que, a
Más detallesUT-4: Distribuciones fundamentales de muestreo y descripción de datos
UT-4: Distribucioes fudametales de muestreo y descripció de datos Sub tema: Muestreo aleatorio. Distribucioes muestrales. Distribucioes muestrales de medias. Teorema del límite cetral. Aplicacioes. DF
Más detallesSobrantes de 2004 (Junio Modelo 5) Soluciones Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Sobrates de 2004 (Juio Modelo 5) Solucioes Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A x+y 6 3x-2y 13 Sea el sistema de iecuacioes. x+3y -3 x 0 (2 putos) Dibuje el recito cuyos
Más detallesEstimación de Parámetros
Igacio Cascos Ferádez Departameto de Estadística Uiversidad Carlos III de Madrid Estimació de Parámetros Estadística I curso 008 009 Veremos cómo costruir valores aproximados de los parámetros de los modelos
Más detallesLicenciatura en Matemáticas Febrero 2011. x(1 x) θ 1 I [0,1] (x). (1)
Estadística I Exame Liceciatura e Matemáticas Febrero 2011 1. Sea X 1,..., X ua muestra aleatoria de ua variable X co distribució Beta de parámetros 2 y θ > 0. Esto último sigifica que la fució de desidad
Más detallesMuestreo estratificado
Capítulo 1 Muestreo estratificado El objetivo del diseño de ecuestas por muestreo es maximizar la catidad de iformació para u coste dado. El muestreo aleatorio simple suele sumiistrar bueas estimacioes
Más detallesEJERCICIOS RESUELTOS TEMA 8
EJERCICIOS RESUELTOS TEMA 8 8.. U ivestigador desea coocer la opiió de los madrileños sobre la saidad pública. Para ello, acude a las 8 de la mañaa al hospital público de la capital más cercao a su domicilio
Más detallesSOLUCIONES DE LA SEGUNDA PRUEBA DE EVALUACION CONTINUA (PEC 2)
Curso 2012-13 PEC2 Pág. 1 SOLUCIONES DE LA SEGUNDA PRUEBA DE EVALUACION CONTINUA (PEC 2) Gráfico 1: E ua ivestigació se compara la eficacia de tres tipos de tratamieto de las fobias, atediedo a si ha habido
Más detallesEstadística Teórica II
tervalos de cofiaza Estadística Teórica NTERVALOS DE CONFANZA Satiago de la Fuete Ferádez 77 tervalos de cofiaza CÁLCULO DE NTERVALOS DE CONFANZA PARA LA MEDA CON DESVACÓN TÍPCA POBLACONAL CONOCDA Y DESCONOCDA.
Más detallesCAPÍTULO 6 DISTRIBUCIONES MUESTRALES
CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es coocer acerca del comportamieto de parámetros poblacioales tales como: la media ( μ ), la variaza ( ) o la proporció ( p ).
Más detallesUniversidad 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 detallesDesigualdad de Tchebyshev
Desigualdad de Tchebyshev Si la Esperaza y la variaza de la variable X so fiitas, para cualquier úmero positivo k, la probabilidad de que la variable aleatoria X esté e el itervalo La probabilidad de que
Más detallesDistribuciones Muestrales
10/08/007 Diseño Estadístico y Herramietas para la Calidad Distribucioes Muestrales Epositor: Dr. Jua José Flores Romero juaf@umich.m http://lsc.fie.umich.m/~jua M. e Calidad Total y Competitividad Distribucioes
Más detallesTema 14: Inferencia estadística
Tema 14: Iferecia estadística La iferecia estadística es el proceso de sacar coclusioes de la població basados e la iformació de ua muestra de esa població. 1. Estimació de parámetros Cuado descoocemos
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2011 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 7: CONTRASTE DE HIPÓTESIS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 211 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 7: CONTRASTE DE HIPÓTESIS Juio, Ejercicio 4, Oció A Reserva 1, Ejercicio 4, Oció A Reserva 2, Ejercicio
Más detallesPROBLEMAS DE LOS TEMAS 5, 6 Y 7 PROPUESTOS EN EXÁMENES DE ESTADÍSTICA EMPRESARIAL (ANTIGUA LICENCIATURA ADE)
TUTORÍA DE ETADÍTICA EMPREARIAL (º A.D.E.) e-mail: imozas@elx.ued.es https://www.iova.ued.es/webpages/ilde/web/idex.htm PROBLEMA DE LO TEMA 5, 6 Y 7 PROPUETO EN EXÁMENE DE ETADÍTICA EMPREARIAL (ANTIGUA
Más detallesEJERCICIO 1. , a partir de las frecuencias observadas, nij. , que se dan en la tabla del ejercicio.
EJERCICIO () Es u problema de idepedecia de criterios y se tedrá que costruir la tabla de cotigecia de frecuecias teóricas (esperadas), t ij, a partir de las frecuecias o observadas, ij, que se da e la
Más detallesQué es la estadística?
Qué es la estadística? La estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Qué es la estadística? U agete recibe iformació e forma
Más detallesMuestreo Aleatorio Simple
Capítulo 1 Muestreo Aleatorio Simple Este método de muestreo proporcioa u puto de partida para ua exposició de los métodos de muestreo probabilístico o porque sea uo de los métodos de muestreo más utilizados
Más detallesEn el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo:
TEMA 6. Estimació putual. E muchos casos o será posible determiar el valor de u parámetro poblacioal descoocido, aalizado todos los valores poblacioales, pues el proceso a seguir puede ser destructivo,
Más detallesEstimación por intervalos
Estimació por itervalos do C. 018 Mg. tella Figueroa Clase Nº 11 Para la media poblacioal Coociedo Partimos de ua població ormal X y de la distribució muestral de la media X ~ N, X ~ N, P( z Z z ) 1 /
Más detallesTema 4. Estimación de parámetros
Estadística y metodología de la ivestigació Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 4. Estimació de parámetros 1. Estimació putual 1 1.1. Estimació de la proporció e la distribució Bi(m, p).......................
Más detallesESTADISTICA UNIDIMENSIONAL
ESTADISTICA UIDIMESIOAL La estadística estudia propiedades de ua població si recurrir al sufragio uiversal. El estudio estadístico tiee dos posibilidades (1) Describir lo que ocurre e la muestra mediate
Más detalles1. Teorema del Límite Central. Como se dijo varias clases atras si tenemos n variables aleatorias, cada una de. X i = X. n = 1 n.
1. Teorema del Límite Cetral Teorema: ea Y 1, Y,..., Y variables aleatorias idepedietes idéticamete distribuidas co EY i = µ y V Y i =
Más detallesINTRODUCCION 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 detallesTrata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor.
1 Estadística Descriptiva Tema 8.- Estadística. Tablas y Gráficos. Combiatoria Trata de describir y aalizar alguos caracteres de los idividuos de u grupo dado, si extraer coclusioes para u grupo mayor.
Más detallesEnfoque práctico de los elementos necesarios para la estimación del tamaño de la muestra
Capítulo 7 Efoque práctico de los elemetos ecesarios para la estimació del tamaño de la muestra Arturo Redig Beral Jua Carlos López Alvarega Itroducció Las exigecias e la ivestigació actual ha creado la
Más detallesBloque 3 Tema 12 PRUEBAS ESTADÍSTICAS PARA EL CONTRASTE DE HIPÓTESIS: PRUEBAS PARAMÉTRICAS
Bloque 3 Tema 1 PRUEBAS ESTADÍSTICAS PARA EL CONTRASTE DE HIPÓTESIS: PRUEBAS PARAMÉTRICAS Hay ocasioes e las que teemos que tomar decisioes relativas a ua població sobre la base de los coocimietos que
Más detallesPROCESO DE POISSON Rosario Romera Febrero 2009
1 PROCESO DE POISSON Rosario Romera Febrero 2009 1. Proceso de Coteo U proceso estocástico fn t g t0 es u proceso de coteo si N t represeta el total de sucesos ocurridos asta el tiempo t. Sea u espacio
Más detallesθˆ = h(x 1,X 2,...,X n ) θˆ es un estimador puntual de θ
Iferecia Estadística 95 Capitulo VIII INFERENCIA ETADITICA Es ua rama de de la Estadística que se ocupa de los procedimietos que os permite aalizar y etraer coclusioes de ua població a partir de los datos
Más detallesTEMA 6 MUESTRAS ALEATORIAS Y DISTRIBUCIONES EN EL MUESTREO
.- Itroducció: TEMA MUESTRAS ALEATORIAS Y DISTRIBUCIONES EN EL MUESTREO Los aálisis estadísticos que se realiza e el mudo real tiee como objetivo estudiar las propiedades características de las poblacioes
Más detalles1.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA
Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky 106 1. INTERVALO DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL upogamos que X1,...,X es ua muestra aleatoria de ua
Más detallesPRUEBAS DE HIPÓTESIS.
PRUEBAS DE HIPÓTESIS. HIPÓTESIS ESTADÍSTICA Paramétrica : No Paramétrica Es ua afirmació sobre los valores de los parámetros poblacioales descoocidos. Es ua afirmació sobre algua característica Simple
Más detallesMEDIDAS RESUMEN: Numéricas y Gráficas. Ejemplo.
MEDIDAS RESUMEN: Numéricas y Gráficas. Ejemplo. Admítelo ua salchicha o es ua zaahoria. Así decía la revista El Cosumidor e u cometario sobre la baja calidad utricioal de las salchichas. Hay tres tipos
Más detalles