POBLACIÓN Y MUESTRA AUTORIA SILVIA BORREGO DEL PINO TEMÁTICA ESTADÍSTICA ETAPA ESTUDIOS UNIVERSITARIOS
|
|
- Xavier Sandoval Luna
- hace 7 años
- Vistas:
Transcripción
1 ISSN DEP. LEGAL: GR 9/007 Nº 1 NOVIEMBRE DE 008 POBLACIÓN Y MUESTRA AUTORIA SILVIA BORREGO DEL PINO TEMÁTICA ESTADÍSTICA ETAPA ESTUDIOS UNIVERSITARIOS Resume La Estadística tiee por objeto el desarrollo de técicas para el coocimieto umérico de u cojuto de datos empíricos (recogidos mediate eperimetos o ecuestas). Al realizar ua ivestigació estadística teemos que fijar el cojuto de elemetos que queremos estudiar, que llamaremos població o uiverso. Muestra se deomiará a aquél subcojuto limitado etraído de la població, co objeto de reducir el úmero de eperiecias. Palabras clave Ivestigació estadística. Població y muestra. 1. INTRODUCCIÓN La Estadística actual es el resultado de la uió de dos disciplias que evolucioa de maera idepediete hasta cofluir e el siglo XIX: el Cálculo de Probabilidades, que ace e el siglo XVII como teoría matemática de los juegos de azar, y la Estadística, ciecia del estado, que estudia la recogida y descripció de datos y que es de raíces bastate más atiguas. Esto hace que ua de las acepcioes más aceptadas de Estadística sea la que la defie como el cojuto de métodos que tiee por objeto la obteció, tratamieto y la iterpretació de u cojuto de datos de observació relativos a u grupo de idividuos o uidades. La Estadística actúa como disciplia puete etre los modelos matemáticos y los feómeos reales. Es difícil establecer ua croología eacta de los orígees de la Estadística. Desde la atigüedad, los estados ha recogido iformació sobre la població y riquezas que eistía e sus domiios (cesos, ivetarios ). Por otra parte, desde el siglo XVII se ha tratado de iterpretar feómeos biológicos y sociales de poblacioes a partir de datos uméricos (tablas de mortalidad, cotrastació de la teoría de Darwi, estudio de la herecia humaa ) mediate procesos deductivos (Estadística Descriptiva). Desde fiales del siglo XIX, aplicado métodos iductivos (Estadística Iferecial), la Estadística ha visto ampliado su campo de aplicació a prácticamete todos los sectores (Igeiería, Física, Medicia ). Así, la Estadística se ocupa de la descripció de datos (procedimietos para resumir la iformació), del aálisis de muestras (elegir muestras represetativas y hacer iferecia), de la cotrastació de hipótesis (comparar prediccioes co datos observados), de la medició de relacioes (relació estadística), de la predicció (mediate el estudio del historial de las variables), etc.
2 ISSN DEP. LEGAL: GR 9/007 Nº 1 NOVIEMBRE DE 008 El método cietífico se basa e dos tipos de razoamietos: el deductivo (de lo geeral a lo particular) y el iductivo (de lo particular a lo geeral). Ambos tipos de razoamietos dará lugar respectivamete a la Estadística Descriptiva y a la Iferecial. Mietras que la Estadística Descriptiva trata del recueto, ordeació y clasificació de los datos obteidos por las observacioes y medicioes, la Estadística Iferecial, haciedo uso del Cálculo de Probabilidades, describe, predice, compara y geeraliza resultados a ua població estadística a partir de la iformació que obtiee de ua parte de la població. J. Neyma publicó e 1934 el primer trabajo cietífico sobre el muestreo de poblacioes fiitas, e el que establece que la selecció aleatoria es la base de ua teoría cietífica que permita predecir la validez de las estimacioes muestrales. E la década de los años 40 se desarrollaro umerosos estudios sobre diferetes tipos de muestreo. Lilia H. y William G. Madow fuero los primeros ivestigadores sobre la teoría de muestreo sistemático. M. H. Hase y W. N. Hurwitz profudizaro e el estudio de los muestreos estratificado y por coglomerados. Tras los umerosos trabajos presetados e los años 40 queda defiitivamete cosolidado el estudio del muestreo de poblacioes fiitas, a lo que cotribuyero las publicacioes de Cochra, Hase, Hurwitz y Madow.. POBLACIÓN Y MUESTRA El primer paso e toda ivestigació estadística cosiste e fijar el cojuto de elemetos que queremos estudiar, que llamaremos població o uiverso. Cada elemeto de la població se deomia idividuo o uidad estadística. La població puede ser el cojuto de persoas de ua localidad, las llamadas telefóicas a ua cetral Llamaremos muestra a u subcojuto limitado etraído de la població, co objeto de reducir el úmero de eperiecias. Ua vez fijada la població debemos idicar cuáles so las características o cualidades que os iteresa estudiar e esa població, estableciedo la forma e la que debe medirse, las uidades de medida Estas características observables e ua població se clasifica e cualitativas, que so aquellas que o se puede cuatificar, tales como el color de pelo, el gusto musical, grupo saguíeo, Las características que o so cualitativas las llamamos cuatitativas, que so aquellas que sí se puede cuatificar, como es la estatura, el úmero de hijos A su vez, las características cuatitativas se divide e dos tipos, las discretas y las cotiuas. Las características cuatitativas discretas so aquellas que toma valores aislados, como es el úmero de televisores e ua uidad familiar o el úmero de hijos de ua pareja. Por el cotrario, las variables cotiuas puede tomar cualquier valor compredido e u determiado rago o itervalo, auque muchas veces la uidad de medida o os permita tal hecho. Esto ocurre, por ejemplo, al estudiar la altura de ua població, que auque sabemos que es ua variable cotiua, los aparatos de medida sólo os permite tomar éstas co ua determiada aproimació. Alguas veces tambié es preferible, e el caso de las variables discretas co u gra úmero de resultados, tratarlas como si fuera variables cotiuas y viceversa. Ua vez obteida la iformació referete a la variable de estudio, ésta se orgaiza y resume e las llamadas distribucioes de frecuecias, que os proporcioa el úmero de idividuos que hay para
3 ISSN DEP. LEGAL: GR 9/007 Nº 1 NOVIEMBRE DE 008 cada uo de los valores de la variable. Estas distribucioes de frecuecias puede ser de frecuecias absolutas, que os dice el úmero de idividuos que preseta u determiado valor de la variable, o de frecuecias relativas, que os da el tato por uo o por cieto de la població que preseta es determiado carácter. E ocasioes, tambié será de utilidad las frecuecias acumuladas, e las que cada valor acumula los datos perteecietes tambié a los que so meores que él. 3. REPRESENTATIVIDAD DE UNA MUESTRA E aquellas ocasioes e las que o resulta posible estudiar cada uo de los elemetos de ua població, ya sea por razoes ecoómicas, de rapidez e la obteció de la iformació deseada, de persoal dispoible, etc. lo que hacemos es trabajar co ua muestra. La característica más importate que debe teer dicha muestra es la represetatividad, que es la que garatiza que el estudio realizado e ella pueda ser etrapolado a la població de la que ha sido etraída, proceso que se llama iferecia. La desvetaja o riesgo que colleva la utilizació de muestras es que éstas o sea represetativas. Por ello a la hora de seleccioar ua muestra hemos de especificar claramete: - El método de selecció de los idividuos de la població. - El tamaño de la muestra. - Grado de fiabilidad de las coclusioes que vamos a sacar, es decir, ua estimació que hacemos del error máimo que se va a cometer. Diremos que ua muestra está sesgada cuado o es represetativa de la població, debiédose a que el método empleado para seleccioar los idividuos de la població o ha sido correcto, se ha producido errores e las medicioes de las variables, el etrevistador ha sido imparcial, etc. Detro de los errores que se puede cometer debemos distiguir etre: - Error o sesgo de selecció: si alguos miembros de la població tiee más probabilidad de ser seleccioados. - Error o sesgo por o respuesta: puede que alguos miembros de la població o respoda a las pregutas o o coteste siceramete. Estos errores so más difíciles de detectar y evitar, auque se puede icorporar cuestioes al cuestioario para probar que se ha respodido siceramete. E poblacioes homogéeas las muestras so, e geeral, muy represetativas. Por el cotrario, e poblacioes heterogéeas, las muestras so poco represetativas. Cualquier població real puede ser heterogéea, dádose paradojas como la de Simpso, cuado las coclusioes etraídas de datos divididos e subpoblacioes homogéeas so opuestas a las que se obtiee a partir de datos agregados. Para fializar este apartado diremos que eiste parámetros que puede usarse de referecia e el estudio de la represetatividad de ua muestra. Así, el factor de elevació (cociete etre el tamaño de la població y el de la muestra) represeta el úmero de elemetos que hay e la població por
4 ISSN DEP. LEGAL: GR 9/007 Nº 1 NOVIEMBRE DE 008 cada elemeto de la muestra. El factor de muestreo (cociete etre el tamaño de la muestra y el de la població) multiplicado por 100 represeta el porcetaje de població que represeta la muestra. 4. TIPOS DE MUESTREO El proceso por medio del cual es elegida ua muestra se cooce co el ombre de muestreo. A la hora de seleccioar ua muestra hemos de teer e cueta las características de la població, es decir, su grado de homogeeidad o heterogeeidad co respecto a las variables que aalizamos. La clave de u procedimieto es garatizar que la muestra sea represetativa de la població. Eiste diversos tipos de muestreo, auque todas las clasificacioes podría resumirse e probabilístico y o probabilístico. U muestreo es probabilístico cuado puede calcularse de atemao la probabilidad de obteer cada ua de las muestras que sea posible seleccioar, para lo que la selecció de la muestra se cosidera como u eperimeto aleatorio. Es el úico muestreo capaz de dar el riesgo que se comete e la iferecia. Vamos a ocuparos del muestreo probabilístico, e el que la muestra es represetativa, y su proceso de selecció costituye u eperimeto aleatorio. E los muestreos e los que se seleccioa directamete a u idividuo se suele utilizar tablas de úmeros aleatorios, cojuto de úmeros tales que todos los dígitos tiee la misma probabilidad de aparició. Se eumera a los idividuos de la població y se seleccioa u úmero obteido mediate tablas de úmeros aleatorios o mediate u ordeador que los geere. Detro del muestreo probabilístico hemos de distiguir etre: - Muestreo aleatorio co y si reemplazamieto. - Muestreo sistemático. - Muestreo estratificado. - Muestreo por coglomerados. - Muestreo aidado Muestreo aleatorio simple Se dirá que se ha obteido ua muestra por muestreo aleatorio cuado el proceso de selecció de la muestra garatice que todas las muestras posibles que se puede obteer de la població tiee la misma probabilidad de ser elegidas. Es decir, todos los elemetos de la població tiee la misma probabilidad de ser seleccioados para formar parte de la muestra. Cuado u elemeto es seleccioado y cuatificadas las características objeto de estudio, vuelve a formar parte de la població y puede volver a ser seleccioado, se dice muestreo aleatorio co reemplazamieto o reposició. Geeralmete recibe el ombre de muestreo aleatorio simple. E el caso de que el elemeto o vuelva a formar parte de la població de maera que o puede volver a ser seleccioado se dice que se ha obteido ua muestra por muestreo aleatorio si reposició o si reemplazo. Si bie los dos métodos so distitos, cuado el tamaño de la població es ifiito o ta grade que puede cosiderarse ifiito, ambos métodos llega a las mismas coclusioes. Si el factor de muestreo es mayor de 0 1, la diferecia etre ambos métodos puede ser apreciable, llegado a coclusioes cotradictorias segú el método que se utilice.
5 ISSN DEP. LEGAL: GR 9/007 Nº 1 NOVIEMBRE DE Estudio detallado del muestreo aleatorio simple Ua muestra aleatoria simple de tamaño puede cosiderarse como variables aleatorias idepedietes e idéticamete distribuidas segú ua cierta distribució F. Después de utilizar el procedimieto de muestreo, se querrá proporcioar estimacioes para ua o varias variables de iterés. U estimador es ituitivamete ua fórmula matemática que permite calcular la estimació de ua magitud a partir de los datos observados e la muestra. Al vector θ = ( θ1,θ,..., θk ) de parámetros descoocidos de la distribució F de la població se llama vector paramétrico. Al cojuto de todos los valores admisibles del vector paramétrico se le llama espacio paramétrico y lo deotaremos por Θ. k Sea ( X 1,X,..., X ) ua muestra y sea T ( X 1,X,..., X ) ua aplicació T : R R. Se llama estadístico a toda fució medible co respecto a las σ-álgebras β y β k que o depeda del parámetro (θ). U estadístico T ( X1,X,..., X ) se dice que es u estimador de θ si toma valores e el espacio paramétrico Θ y además o depede de θ. 1 El estadístico X = X i se llama media muestral. i= 1 1 El estadístico S c = ( Xi X) se deomia cuasivariaza muestral. 1 Teorema 1 i= 1 Si X es el estadístico media muestral de ua variable aleatoria X co media μ y variaza σ, E[ X] = μ etoces: σ Var( X) = Teorema ) Si ua muestra de tamaño, ( X1,X,..., X procede de ua variable aleatoria X co media μ y variaza σ, etoces: E S c = σ Teorema 3 [ ] E los muestreos aleatorios simples si reposició, la variaza de la media muestral vale: σ N Var( X) = N 1
6 ISSN DEP. LEGAL: GR 9/007 Nº 1 NOVIEMBRE DE 008 Teorema 4 E los muestreos aleatorios simples si reposició se verifica: [ ] E S c = s 4.. Muestreo sistemático Este tipo de muestreo eige, como el aterior, u listado de los elemetos de la població. Hay que teer precaució de saber que la població o haya sido ordeada segú u criterio que propicie o colleve la periodicidad e algú carácter. Su vetaja es que o hay que tomar úmeros aleatorios. Se parte de u arraque aleatorio i, úmero elegido al azar que luego cocretaremos, y los elemetos que itegra la muestra so los que ocupa e la població los lugares i, i + k, i + k,, i + ( 1) k. Es decir, se toma los elemetos de k e k, siedo k la parte etera del úmero resultate de dividir el tamaño de la població etre el de la muestra. El arraque aleatorio i debe ser u úmero compredido etre 1 y k, co lo que el último elemeto de la muestra es aterior o coicide co el úico elemeto de la població. N Además, de las muestras posibles del muestreo aleatorio simple, sólo so posibles k muestras sistemáticas, y la probabilidad de cada ua de ellas es 1 k. El muestreo sistemático es equivalete al aleatorio si los elemetos está umerados de maera aleatoria. Las vetajas de dicho método so: - Etiede la muestra a toda la població. - Es de fácil aplicació. Los icoveietes que preseta so: - Aumeto de la variaza si eiste periodicidad e la umeració de los elemetos produciédose u sesgo e la selecció. - Problemas a la hora de la estimació de la variaza Muestreo estratificado Se deomia muestreo estratificado a aquel muestreo aleatorio e el que los elemetos de la població se divide e clases o estratos. La muestra se toma asigado u úmero o cuota de miembros a cada estrato y escogiedo los elemetos detro del estrato por muestreo aleatorio simple, o a veces, por muestreo sistemático. Las razoes para obteer ua muestra por muestreo estratificado so:
7 ISSN DEP. LEGAL: GR 9/007 Nº 1 NOVIEMBRE DE Teer iformació co más precisió e las subpoblacioes de la població sobre la característica objeto de estudio. - Aumetar la precisió e las estimacioes de las características de toda la població. E geeral el muestreo estratificado proporcioa mejores resultados que el muestreo aleatorio mietras más diferetes sea los estratos etre sí y más homogéeos iteramete. Básicamete podemos cosiderar tres métodos para redistribuir el tamaño de la muestra etre los k estratos. - Proporcioalmete al tamaño de cada estrato. - Proporcioalmete a la variabilidad de la característica que estamos cosiderado. - Se asiga el mismo tamaño a cada estrato Muestreo por coglomerados Los tres métodos ateriores está diseñados para seleccioar directamete elemetos de la població. E este uevo método, la uidad muestral es u grupo de elemetos de la població que llamaremos coglomerados. Normalmete, estos grupos o coglomerados tiee eistecia real. Así, por ejemplo, las persoas vive e casas, las casas se agrupa e mazaas, las mazaas e barrios, etc. Muchas veces o dispoemos de ua lista de elemetos de la població i los posibles estratos, pero sí el úmero de coglomerados. Si podemos supoer que cada uo de estos coglomerados es ua muestra represetativa de la població total respecto a la variable de estudio, se seleccioa alguos coglomerados al azar y, detro de ellos, se aaliza todos sus elemetos o ua muestra aleatoria simple. El muestreo por coglomerados es mejor cuato más homogéeos sea éstos etre sí y cuato más heterogéeos sea iteramete Muestreo aidado Es ua geeralizació del muestreo por coglomerados. E la primera etapa se seleccioa ua serie de coglomerados o uidades muestrales primarias, e ua seguda se seleccioa coglomerados más pequeños, perteecietes a los ateriores, llamados uidades muestrales secudarias, y así sucesivamete cuatas etapas sea ecesarias. El muestreo por etapas tiee la vetaja de que e cada etapa se puede utilizar, segú os iterese, el muestreo que se cosidere más adecuado al tipo de coglomerado de que se trate. 5. TAMAÑO DE LA MUESTRA E u estudio muestral hay dos problemas fudametales: cómo elegir la muestra?, visto e el apartado aterior, y cuál debe ser el tamaño de la muestra?
8 ISSN DEP. LEGAL: GR 9/007 Nº 1 NOVIEMBRE DE 008 Cuato mayor sea el tamaño de la muestra, mayor será la precisió obteida, pero llegará u mometo e el que el aumeto de los gastos o se verá compesado co u aumeto sigificativo de la precisió. Depediedo de la característica que se esté estudiado el tamaño a cosiderar será uo u otro. Se defie el error muestral o error de muestreo como la desviació típica de la distribució muestral. Así e el caso de las medias muestrales o de las proporcioes tedremos: a) Cuado la població es fiita y la etracció es co reemplazamieto o cuado la població es ifiita: σ p q σ = σ pˆ = b) Cuado la població es fiita y la etracció es si reemplazamieto: σ σ N = σ = pˆ N 1 p q N N 1 ( e ( k σ ) = p ) = T T k, que represeta la precisió míima a eigir e los resultados, y el ivel de cofiaza, p k, ecesitamos coocer además la variabilidad de la població, ya que cuatos más dispersos esté los valores de la variable e estudio, más arriesgado será utilizar ua muestra de pequeño tamaño. Al ivel de cofiaza p k le correspoderá u cierto valor de k, obteido a partir de la desigualdad de Tchebycheff, bie a través de ua distribució Normal, ua t de Studet, o por otro procedimieto. Para obteer el tamaño de la muestra, que desigaremos por, e fució de e y de p k, partimos de la ecuació fudametal, e = k σ T, siedo T el estimador utilizado. Se trata de estimar la media poblacioal mediate la media muestral X co error máimo admisible e y ivel de cofiaza p k o bie estimar la proporció poblacioal a partir de la proporció muestral pˆ. Ua vez fijado el error máimo admisible k σ ;P T E( T) Tamaño de la muestra para estimar la media poblacioal Para poblacioes ifiitas o poblacioes fiitas co reemplazamieto, la epresió que relacioa el error máimo admisible e y el error muestral σ es: σ k σ e = k σ = k = e Si la població es fiita y el muestreo es si reemplazamieto: σ N N k σ e = k σ = k = N 1 e ( N 1) + k σ
9 ISSN DEP. LEGAL: GR 9/007 Nº 1 NOVIEMBRE DE 008 No debemos de olvidar que k es el valor asociado a u ivel de cofiaza distribucioes ormales este valor es z. Tamaño de la muestra para estimar la proporció poblacioal α 1 (1 α ) y que e las Sabemos que el estadístico que se usa para estimar la proporció poblacioal es la proporció X muestral defiido por: p ˆ = dode X = X1 + X X co X Ber( p) i Para poblacioes ifiitas o poblacioes fiitas co reemplazamieto, la epresió que relacioa el error máimo admisible e y el error muestral es: σ p ˆ p q k p q e = k σ k = pˆ = e Cuado o se cooce la proporció p, se estima para el caso más desfavorable, es decir, que tato p como q valga 1. Si la població es fiita y el muestreo es si reemplazamieto: p q N N k p q e = k σ k pˆ = = N 1 e ( N 1) + k p q No debemos de olvidar que k es el valor asociado a u ivel de cofiaza distribucioes ormales este valor es z. α 1 (1 α ) y que e las E caso de o coocer la variaza poblacioal y u muestreo si reposició: e = k σ co S N σ = por lo que e k σ N =, de dode N k S = (I) N e + k S Claro es que el tamaño de la muestra ha de ser u úmero atural y, por tato, habrá de tomarse para el valor etero por eceso más aproimado al obteido. Los valores de e y p k (y, por tato, los de k), los fijaremos co arreglo a uestros objetivos y limitacioes. El tamaño de la població, N, se supoe coocido. E cuato a S, habrá que cojeturarlo o apreciarlo a partir del coocimieto que tegamos de la població e ua fecha aterior, o de poblacioes más o meos parecida a ésta, o bie de ua muestra piloto previamete seleccioada. Como dice Wormleighto (1960), cuado o se cooce la variaza puede seguirse uo de los camios siguietes: 1. Tomar la muestra del mayor tamaño posible. Tiee el icoveiete de que puede dar mayor precisió de la requerida y o ser eficiete el procedimieto por demasiado costoso.. Tomar ua muestra prelimiar o piloto. Tiee el icoveiete de que la iformació proporcioada por ésta o se aprovecha e la estimació.
10 ISSN DEP. LEGAL: GR 9/007 Nº 1 NOVIEMBRE DE 008 Si la població fuese ifiita, el tamaño de la muestra viee dado por el límite de (I) cuado N, k S k que vale =. Si e (I) multiplicamos los dos térmios de la fracció por e e, tedremos N = =. N + 1+ N La epresió aterior represeta ua hipérbola que pasa por el orige y tiee ua asítota paralela al eje de abscisas, a distacia de éste. Si para tomamos el etero más aproimado por eceso al valor obteido co la fórmula, al aumetar N llegaremos a u valor e que cualquier icremeto de éste ya o ifluye e. Es decir, desde cierto valor de N, permaece costate. Este valor puede calcularse de la siguiete maera: < 1. Esto equivale a < 1 ` 1+ N < 1+ ( < N + ) N > ( 1) N N Esto es, si: k S k ss 1 e e N para obteer el tamaño de la muestra so: el valor de será igual a. Así pues, los pasos a seguir k S 1. Obteer el tamaño de la muestra imagiado que N, o sea =. e. Comprobar si se cumple que N > ( 1). Si es cierto, el proceso termia aquí y el tamaño de la muestra debe ser hallado para. Si o lo es, hemos de pasar a u tercer paso. 3. Obteer el tamaño de la muestra segú la fórmula =. 1+ N E caso de o coocer la variaza poblacioal y u muestreo co reposició, utilizado la fórmula geeral para el cálculo del tamaño de la muestra tedremos que e = k σ, y segú hemos visto, la S ecuació quedaría e = k σ = k. Despejado tedríamos que el tamaño de la muestra a tomar k S sería: = e 6. CONCLUSIÓN
11 ISSN DEP. LEGAL: GR 9/007 Nº 1 NOVIEMBRE DE 008 La Estadística puede defiirse como el cojuto de métodos que tiee por objeto la obteció, el tratamieto y la iterpretació de u cojuto de datos de observació relativos a u grupo de idividuos o uidades. Detro de la Estadística puede cosiderarse dos grades ramas: la Estadística Descriptiva, que trata del recueto, ordeació y clasificació de los datos obteidos por las observacioes y medicioes, y la Estadística Iferecial que, haciedo uso del Cálculo de Probabilidades, describe, predice, compara y geeraliza resultados a ua població estadística a partir de la iformació que obtiee de ua parte de la població. A la hora de seleccioar ua muestra, habrá de teerse e cueta criterios que garatice la represetatividad de la misma, esto es, que las coclusioes obteidas para ua població a partir del estudio realizado sobre la muestra tega u elevado grado de cofiaza. Uo de los métodos más utilizados para la selecció de ua muestra detro de ua població es el deomiado muestreo aleatorio simple, e el que todos los idividuos de la població tiee la misma probabilidad de ser seleccioados para forma parte de la muestra. Otros tipos de muestreo so el muestreo sistemático, el muestreo estratificado, el muestreo por coglomerados y el muestreo aidado o por etapas. Por último, cuado realicemos u estudio muestral tedremos que señalar previamete el tamaño de la muestra. E el apartado aterior hemos visto alguos criterios para ua selecció óptima del tamaño de la muestra. 7. BIBLIOGRAFÍA Cochra, W. G. (1986). Técicas de muestreo. Méico: Cotietal Cramer, H. (1963). Métodos matemáticos de Estadística. Madrid: Ed Aguilar Cramer, H. (1968). Teoría de probabilidades y aplicacioes. Madrid: Ed Aguilar Ferádez Abascal, H. (1994). Cálculo de Probabilidades y Estadística. Barceloa: Ariel López Cachero, M. (1996). Fudametos y Métodos de la Estadística. Madrid: Ed Pirámide Reyi, A. (1976). Cálculo de probabilidades. Barceloa: Reverté Ríos, S. (1985). Métodos estadísticos. Madrid: Ed del Castillo 8. REFERENCIAS WEB Autoría Nombre y Apellidos: Silvia Borrego del Pio Cetro, localidad, provicia: I.E.S. Ágel de Saavedra. Córdoba. Córdoba depis79@hotmail.com
12 ISSN DEP. LEGAL: GR 9/007 Nº 1 NOVIEMBRE DE 008
T 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. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA
TEMA 6. INTRODUCCIÓN A LA INFERENCIA ETADÍTICA 6.. Itroducció 6.. Coceptos básicos 6.3. Muestreo aleatorio simple 6.4. Distribucioes asociadas al muestreo 6.4.. Distribució Chi-Cuadrado 6.4.. Distribució
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 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 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 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 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 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 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 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 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 detallesTEMA 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 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 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 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 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 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 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 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 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 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 detallesTAMAÑO DE MUESTRA. 5.1 Coeficiente de homogeneidad al interior de las escuelas
TAMAÑO DE MUETRA Ua de las etapas del diseño muestral es el cálculo del tamaño de la muestra (Cocra, 977, p. 7-88; Médez, 004, p. 45-47; y aro, 999, p. 39-4), ésta se lleva a cabo cosiderado el objetivo
Más detallesMaestría en Marketing Métodos y técnicas de análisis cuantitativo y cualitativo. Métodos de Muestreo. Otoño Problemas a tratar
Maestría e Marketig Métodos y técicas de aálisis cuatitativo y cualitativo Métodos de Muestreo Referecia: PR Cap 11, KT 1-14. Otoño 004 Problemas a tratar Que alterativas hay para cofeccioar ua muestra
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 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 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 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 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 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 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 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 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 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 detallesIntroducción a la Inferencia Estadística. Material Preparado por Olga Susana Filippini y Hugo Delfino
Itroducció a la Iferecia Estadística Temario Diseño Muestral Teorema Cetral del Límite Iferecia estadística Estimació putual y por itervalos Test de hipótesis. DISEÑO MUESTRAL Porque utilizar muestras
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 detallesUNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL
UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL Revisió, Cambios y Ampliació: Ig. José Alejadro Marí Fuete Primaria: Ig. César Augusto Zapata Urquijo 1. M U E S T R E O S I S T E M
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 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 detallesGuía 1 Matemática: Estadística NM 4
Cetro Educacioal Sa Carlos de Aragó. Sector: Matemática. Prof.: Ximea Gallegos H. 1 Guía 1 Matemática: Estadística NM 4 Nombre: Curso: Fecha. Uidad: Estadística y Probabilidades. Apredizajes Esperados:
Más detallesPreguntas más Frecuentes: Tema 2
Pregutas más Frecuetes: Tema 2 Pulse sobre la preguta para acceder directamete a la respuesta 1. Se puede calcular la media a partir de las frecuecias absolutas acumuladas? 2. Para calcular la media aritmética,
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 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 detallesIngeniería Industrial. Curso 2009-2010. Departamento de Matemática Aplicada II. Universidad de Sevilla. Lección 5. Series.
CÁLCULO Igeiería Idustrial. Curso 2009-200. Departameto de Matemática Aplicada II. Uiversidad de Sevilla. Lecció 5. Series. Resume de la lecció. 5.. Sucesioes y series. Sucesió covergete. Se de e ua sucesió
Más detallesCurso de Estadística Aplicada a las Ciencias Sociales. Introducción. Introducción (2) Hasta ahora: estadística descriptiva (para describir datos)
Curso de Estadística Aplicada a las Ciecias Sociales Tema 10. Estimació de ua proporció Cap. 0 del maual Tema 10. Estimació de ua proporció Itroducció 1. Distribució e el muestreo de ua proporció. Estimadores
Más detallesMUESTREO Y ESTIMACIÓN ESTADÍSTICA
1 MUESTREO Y ESTIMACIÓN ESTADÍSTICA Muestreo. Métodos de muestreo Se llama població al cojuto de idividuos que posee cierta característica. Ua muestra es ua parte de esa població. Muestreo es el proceso
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 detallesDISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS
DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS ESPACIO MUESTRAL. El cojuto de todos los resultados posibles de u eperimeto estadístico deotado por S o Ω VARIABLE. Se deomia variable a la
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 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 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 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 detalles2.2. Estadísticos de tendencia central
40 Bioestadística: Métodos y Aplicacioes La dispersió o variació co respecto a este cetro; Los datos que ocupa ciertas posicioes. La simetría de los datos. La forma e la que los datos se agrupa. Cetro,
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 detallesCálculo de límites. 8.1. Criterio de Stolz. Tema 8
Tema 8 Cálculo de límites El presete tema tiee u iterés emietemete práctico, pues vamos a estudiar alguos métodos cocretos para resolver idetermiacioes. Etre ellos destaca el criterio de Stolz, del que
Más detallesOtro fallo a la hora de elegir una muestra es que una variable condicione a otra, ya que las variables deben ser independientes y no condicionadas.
1. Itroducció.. Tipos de Muestreo. 3. Estimació. 3.1. Propiedades de u Bue Estimador. 3.1.1. Estimadores Cetrados. 3.1.. Cosistecia. 3.1.3. Eficiecia. 3.1.4. Suficiecia. 3.. Métodos de Estimació Putual.
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 detallesTEMA 19 Cálculo de límites de sucesiones*
CURSO -6 TEMA 9 Cálculo de límites de sucesioes* Propiedades aritméticas de los límites de sucesioes. b tales que : a = a b = b, dode ab, R Sea las sucesioes { } a y { } Etoces podemos obteer su suma,
Más detallesE.U.I.T.I. Bilbao. Asignatura: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA
E.U.I.T.I. Bilbao Asigatura: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA E.U.I.T.I. Bilbao Asigatura: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA PARTE : ESTADÍSTICA INFERENCIAL 0. RECORDATORIO Estadística iferecial.
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 detallesTeorema del límite central
Teorema del límite cetral Carles Rovira Escofet P03/75057/01008 FUOC P03/75057/01008 Teorema del límite cetral Ídice Sesió 1 La distribució de la media muestral... 5 1. Distribució de la media muestral
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 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 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 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 sistemático
Capítulo 1 Muestreo sistemático El muestreo sistemático es u tipo de muestreo que es aplicable cuado los elemetos de la població sobre la que se realiza el muestreo está ordeados Este procedimieto de muestreo
Más detallesDISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica,
1 MAJ04 DISTRIBUCIÓN DE LA MEDIA MUESTRAL 1. E u servicio de ateció al cliete, el tiempo de espera hasta recibir ateció es ua variable ormal de media 10 miutos y desviació típica 2 miutos. Se toma muestras
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 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 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 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 detallesEstadística Descriptiva
Estadística Descriptiva TEMA 1 Estadística Descriptiva 1. Variables estadísticas uidimesioales a) Itroducció b) Estudio descriptivo de ua variable c) Represetacioes gráficas d) Medidas de tedecia cetral
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 detallesPara obtener el número total de los resultados, es necesario desarrollar algunas técnicas de conteo, las cuales son: Permutaciones. Combinaciones.
TÉNIAS DE ONTEO. ara obteer el úmero total de los resultados, es ecesario desarrollar alguas técicas de coteo, las cuales so:. ricipio fudametal de coteo. Diagramas de árbol.. Aálisis combiatorio. ermutacioes.
Más detallesMEDIDAS DE TENDENCIA CENTRAL
MEDIDAS DE TENDENCIA CENTRAL Las medidas de tedecia cetral so los valore que se ubica e el cetro de u cojuto de datos estos puede estar ordeados o o. Geeralmete se utiliza cuatro de estos valores coocidos
Más detallesORGANIZACIÓN DE LOS DATOS.
ORGANIZACIÓN DE LOS DATOS. La toma de datos es ua de las partes de mayor importacia e el desarrollo de ua ivestigació. Así los datos obteidos mediate u primer proceso recibe el ombre de datos si tratar
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 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 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 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 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 detallesGUIAS ÚNICAS DE LABORATORIO DE FÍSICA I ASPECTOS PRELIMINARES INTRODUCCIÓN AL CÁLCULO DE INCERTIDUMBRE EN LAS MEDICIONES
GUIAS ÚNICAS DE LABORATORIO DE FÍSICA I ASPECTOS PRELIMINARES INTRODUCCIÓN AL CÁLCULO DE INCERTIDUMBRE EN LAS MEDICIONES SANTIAGO DE CALI UNIVERSIDAD SANTIAGO DE CALI DEPARTAMENTO DE LABORATORIOS INTRODUCCIÓN
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 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 detallesTopografía 1. II semestre, José Francisco Valverde Calderón Sitio web:
II semestre, 2013 José Fracisco Valverde Calderó Email: geo2fra@gmail.com Sitio web: www.jfvc.wordpress.com José Fracisco Valverde C Cualquier actividad técica dode se requiera recopilar iformació espacial,
Más detallesMuestreo en Poblaciones Finitas
Muestreo Aleatorio Simple 1/22 Muestreo e Poblacioes Fiitas Muestreo Aleatorio Simple José A. Mayor Gallego Departameto de Estadística e Ivestigació Operativa Uiversidad de Sevilla Septiembre de 2011 Coteidos
Más detallesINTRODUCCION A LA INFERENCIA ESTADISTICA: MUESTREO Y ESTIMACION PUNTUAL Y POR INTERVALOS
Estimació Putual - 1 INTRODUCCION A LA INFERENCIA ESTADISTICA: MUESTREO Y ESTIMACION PUNTUAL Y POR INTERVALOS José Luis Vicete Villardó Dpto. de Estadística Uiversidad de Salamaca Estimació Putual - 2
Más detalles1. QUÉ ES LA ESTADÍSTICA?
1. QUÉ ES LA ESTADÍSTICA? Cuado coloquialmete se habla de estadística, se suele pesar e ua relació de datos uméricos presetada de forma ordeada y sistemática. Esta idea es la cosecuecia del cocepto popular
Más detallesDiferencial Total. se define. en el punto x
Dierecial Total El propio ombre derivada parcial os debiera idicar que e cotraposició al caliicativo parcial eiste otro que lo complemeta Tal ombre el correspodiete cocepto eiste se le llama dierecial
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 detallesTema 7 (IV). Aplicaciones de las derivadas (2). Representación gráfica de curvas y fórmula de Taylor
Tema 7 (IV) Aplicacioes de las derivadas () Represetació gráfica de curvas y fórmula de Taylor Aplicacioes de la derivada primera El sigo de la derivada primera de ua fució permite coocer los itervalos
Más detallesCurso de Estadística Aplicada a las Ciencias Sociales
Curso de Estadística Aplicada a las Ciecias Sociales Tema 11. Estimació de ua media (Cap. 21 del libro) 1 Tema 11. Estimació de ua media Itroducció 1. Distribució de la media e el muestreo 2. La media
Más detallesCAPÍTULO I. Conceptos Básicos de Estadística
CAPÍTULO I Coceptos Básicos de Estadística Capítulo I. Coceptos Básicos de Estadística. CAPÍTULO I CONCEPTOS BÁSICOS DE ESTADÍSTICA Para realizar estudios estadísticos es ecesario registrar la ocurrecia
Más detallesIntroducción. v Qué es la estadística?
v Qué es la estadística? Es ua Ciecia que explica y provee de herramietas para trabajar co datos, ha experimetado u gra desarrollo a lo largo de los últimos años. v E qué áreas se aplica la estadística?
Más detallesDETERMINACION DEL COSTO POR ALUMNO EGRESADO DE EDUCACION PRIMARIA
DETERMINACION DEL COSTO POR ALUMNO EGRESADO DE EDUCACION PRIMARIA U Modelo de Costeo por Procesos JOSE ANTONIO CARRANZA PALACIOS *, JUAN MANUEL RIVERA ** INTRODUCCION U aspecto fudametal e la formulació
Más detallesPROGRESIONES ARITMÉTICAS.-
PROGRESIONES ARITMÉTICAS.- Ua progresió aritmética es ua sucesió de úmeros tales que cada uo de ellos, excepto el primero, se obtiee sumado al aterior ua costate d, que se deomia diferecia de la progresió.
Más detallesEn esta tema sentaremos las bases del muestreo estadístico y estudiaremos las distribuciones de algunos estadísticos a partir de una muestra.
Capítulo 6 Muestreo Estadístico E esta tema setaremos las bases del muestreo estadístico y estudiaremos las distribucioes de alguos estadísticos a partir de ua muestra. 6.1. Coceptos básicos Auque e el
Más detallesMATEMÁTICAS 2ºBACHILLERATO CCSSII
La trata del recueto, ordeació y clasificació de los datos obteidos por las observacioes, para poder hacer comparacioes y sacar coclusioes. U estudio estadístico costa de las siguietes fases: Recogida
Más detallesTEMA 7: TEORÍA DE MUESTRAS. ESTIMACIÓN
TEMA 7: TEORÍA DE MUESTRAS. ESTIMACIÓN. INTRODUCCIÓN Hasta ahora, hemos estudiado estadística descriptiva, ua serie de procedimietos y técicas, que permitía u coocimieto descriptivo de las características
Más detalles