Tema 7: Estimación por intervalos de confianza.
|
|
- Esther Tebar Díaz
- hace 7 años
- Vistas:
Transcripción
1 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 posiblemete ifiitos) del estimador, obteido al extraer ua muestra cocreta, de forma que si extraemos dos muestras distitas, las estimacioes será distitas. Al hacer cualquier estimació se está cometiedo u error, y sería deseable proporcioar ua medida de la precisió de la estimació del parámetro. E este tema vamos a itroducir el cocepto de itervalo de cofiaza como u itervalo cuyos extremos so variables que depede de la muestra, y e el cual se cofía que esté el valor de parámetro. El itervalo se obtedrá a partir de u estadístico geeralmete relacioado co u estimador putual, cuya distribució o depede del parámetro descoocido, y ua medida de la validez del itervalo es el ivel de cofiaza, que idica la proporció de itervalos de todos los que se podría costruir a partir de muestras distitas, que realmete cotiee al parámetro. Defiició Sea X ua v.a. co distribució que depede de u parámetro θ descoocido y sea X,...,X ua m.a.s. de X. Llamaremos itervalo de cofiaza de ivel, 0, )) au itervalo L X,...,X ),L X,...,X )), cuyos extremos so variables aleatorias que depede de la muestra, tal que el )00% de los itervalos costruidos a partir de las posibles muestras de tamaño, cotiee a θ. Para compreder mejor el cocepto de itervalo de cofiaza y la forma e que estos se costruye, vamos a comezar presetado u ejemplo secillo: Ejemplo: Itervalo de cofiaza para la media de ua v.a. co distribució ormal y variaza ) coocida. Sea X ua v.a. co distribució Nμ, ) yseax,...,x ua m.a.s. de esta distribució. Como ya hemos visto e el tema aterior, el estimador X de μ, que se defie como: X = es ua suma de variables aleatorias co distribució ormal e idepedietes pues X,...,X lo so) y, por tato, tiee distribució ormal. Su media es μ ysuvariaza. Si estadarizamos esta variable, se tiee que: X μ / N0, ). Obsérvese que esta variable aleatoria tiee distribució coocida e idepediete del valor del parámetro μ, que por otra parte es el úico valor descoocido de la variable ua vez extraída ua m.a.s. cocreta de tamaño. Esto es lo que os va a permitir costruir el itervalo de cofiaza para μ. X i
2 Estadística 70 Si fijamos u ivel de cofiaza, pretedemos que para u )00 % de las muestras de tamaño posibles, el valor de μ esté icluido e el itervalo que vamos a costruir. Para ello, vamos a cosiderar el valor z IR para el cuál p z Z z) =, dode Z es ua variable aleatoria co distribució N0, ). Recuérdese que esto sigifica que el )00 % de los valores de la variable Z que extraigamos al azar, estará e el itervalo z,z)). ) E particular, p z X μ / z =. Qué sigifica esto? Que para el )00 % de las muestras de tamaño de la v.a. X, al obteer X y formar el cociete aterior, ese valor estará etre -z y z. Si e: z X μ / z despejamos μ, se obtiee: X z μ X + z que es el itervalo correspodiete. Observació a) Los extremos del itervalo, X ± z, so variables aleatorias que depede de la muestra, es decir, para cada muestra distita, tomará u valor diferete. b) El valor del parámetro, auque descoocido, es u valor fijo. c) El valor z que iterviee e el itervalo, es el valor que correspode a ua probabilidad acumulada de, y se obtiee fácilmete a partir de la tabla de la N0, ); deotaremos este puto por z. Puesto que e el itervalo -z,z) debe haber ua probabilidad, e las colas debe quedar distribuida ua probabilidad de y de ahí que pz z) =.) Podríamos elegir otros valores z y z, tales que pz Z z )= y a partir de ellos obtedríamos tambié itervalos de cofiaza de ivel, delaforma X z μ X z pero estos itervalos tedría mayor amplitud, y por tato, la estimació de μ sería meos precisa. Para obteer el itervalo aterior, hemos utilizado u estadístico que depede de la muestra y del parámetro X μ / ), cuya distribució es coocida e idepediete del parámetro. Esto sugiere que para costruir itervalos de cofiaza para otros parámetros o e otras codicioes por ejemplo, si o se cooce ), es ecesario utilizar estadísticos similares, co distribució coocida. Esta es la forma e que procederemos e geeral: Cosideraremos u estadístico T X,...,X,θ) que depede de la muestra X,...,X ydel parámetro que queremos estimar, θ, cuya distribució sea coocida e idepediete de dicho parámetro. Para dicha distribució y fijado el ivel de cofiaza, seleccioaremos u itervalo [a,b] del soporte, que tega probabilidad. E la desigualdad a T X,...,X,θ) b, despejamosθ, obteiedo el itervalo deseado.
3 Estadística 7 Naturalmete, como os iteresa obteer itervalos "pequeños" e amplitud, trataremos de elegir el itervalo [a,b] de meor amplitud posible. Hay que señalar que, e los casos e los que la distribució del estadístico sea simétrica, los itervalos que vamos a costruir so de amplitud míima, para u ivel de cofiaza fijado. E los demás casos, la costrucció de u itervalo de amplitud míima resulta excesivamete complicado y coduce a fórmulas poco maejables e la práctica, y por tato, los itervalos costruidos, lo será, buscado ua mayor secillez. Vamos a estudiar alguos de estos estadísticos y a itroducir alguas distribucioes importates, relacioadas co la distribució ormal. 7. Distribucioes utilizadas e la costrucció de itervalos de cofiaza a) Distribució χ. Defiició Sea Z,...,Z v.a. co distribució N0, ) e idepedietes. Etoces la v.a. X = Z + Z Z se dice que tiee ua distribució chi-cuadrado co grados de libertad y se deota por χ. Propiedades i. S X =[0, ). ii. EX) = y VarX) =. iii. Propiedad de reproductividad: Si X,...,X k tiee distribucioes χ i, i =,...,k, y so idepedietes, etoces la variable X = distribució χ co = de libertad. k k X i tiee i grados iv. Si Z es ua v.a. co distribució χ, X es ua v.a. co distribució χ, >,yz = X +Y co X e Y variables idepedietes, etoces Y tiee distribució χ. Esta ueva distribució es la que sigue alguos estadísticos que utilizaremos para obteer itervalos de cofiaza. E particular, el estadístico que describimos a cotiuació y que se utiliza para costruir el itervalo de cofiaza de la variaza de ua variable X co distribució Nμ, ) Proposició Sea X ua v.a. co distribució Nμ, ) yseax,...,x ua m.a.s. de esta distribució. Etoces el estadístico S tiee distribució χ. Demostració Vamos a desarrollar S X i X) X i μ + μ X) = = = = X i μ) +μ X) +X i μ)μ X) =
4 Estadística 7 X i μ) μ X) X i μ) = + +μ X) = X i μ) μ X) μ X) ) Xi μ μ X) = + = / Por tato, ) Xi μ = S μ X) + / Para cada i =,...,,lavariable X i μ tiee distribució N0, ). Lavariable X μ / tiee tambié distribució N0, ); por último, auque este resultado o se va a demostrar, las variables S so idepedietes esta idepedecia se debe a que si X es ua variable aleatoria co distribució ormal, las variables X y S so idepedietes). Por tato, Xi μ y X μ / ) tiee ua distribució χ,lavariable X μ) / deduce, aplicado la propiedad iv), que S tiee ua distribució χ. tiee distribució χ.se Observació Puede observarse que S expresioes para el estadístico. = )S c, de forma que puede utilizarse ambas b) Distribució t de Studet. Defiició 3 Sea Z ua v.a. co distribució N0, ) y sea Y ua v.a. co distribució χ. Si Z e Y so idepedietes, la variable X = Z se dice que tiee ua distribució t de Studet Y/ co grados de libertad. Esta distribució se deota por t. Propiedades i. S X =, ). ii. EX) =0y VarX) =,si>. iii. La distribució es simétrica respecto de x = 0, y es similar a la ormal distribució a la que tiede cuado el úmero de grados de libertad tiede a.) Tiee colas más amplias que la ormal. Esta distribució aparece por ejemplo, al costruir el itervalo de cofiaza para el parámetro μ de ua variable X co distribució Nμ, ), y descoocido. O tambié a la hora de estimar el valor de la diferecia de medias μ μ de X Nμ,) e X Nμ,), idepedietes, co variazas descoocidas pero iguales. Proposició Sea X ua v.a. co distribució Nμ, ) yseax,...,x ua m.a.s. de esta X μ distribució. Etoces el estadístico S/ tiee distribució t.
5 Estadística 73 Demostració E efecto, ya habíamos visto ateriormete que la variable X μ / tiee distribució N0, ). Por otra parte, la variable S tiee ua distribució χ y es idepediete de la aterior. Por tato, tiee distribució t. Observació 3 Puede observase que: X μ / S / = X μ S/ X μ S/ = X μ S c /. Al costruir itervalos de cofiaza puede utilizarse cualquiera de los dos estadísticos geeralmete, e fució de la iformació dispoible, es decir, segú que lo que se coozca sea S o S c.) Proposició 3 Sea X Nμ,) e Y Nμ,) idepedietes, co variazas iguales; si X,...,X es ua m.a.s. de la variable X e Y,...,Y es ua m.a.s. de la variable Y, el estadístico X Y μ μ ), +, tiee distribució t +. S + S + Observació 4 Notar que tambié S + S + = )S c) + )S c) +. c) Distribució F de Fisher-Sedecor Defiició 4 Sea X e Y variables chi-cuadrado co y m grados de libertad, respectivamete, e idepedietes. Etoces, la variable F = X/ Y/m, se dice que tiee distribució F de Fisher- Sedecor co,m grados de libertad. Se deota por F,m. Propiedades 3 i. S F =[0, ). ii. EF )= m m,sim>, y VarF )= m +m ) m ) m 4),sim>4. iii. Si X tiee ua distribució F,m eytiee ua distribució F m,, etoces el puto x IR para el cual px x) =, verifica que py x )=. iv. La distribució F tiee ua gráfica su fució de desidad) similar a la de la chicuadrado. Esta distribució es la que utilizaremos para obteer el itervalo de cofiaza del cociete de variazas de variables ormales idepedietes.
6 Estadística 74 Proposició 4 Sea X Nμ, ) e Y Nμ, ), idepedietes. El estadístico Sc) / S c) / tiee distribució F,. E efecto, hemos visto ateriormete que las variables )S c) distribucioes χ y χ )S c ) ) / )S c ) ) / tiee distribució F,. y )S c) tiee respectivamete. Además so idepedietes, por serlo X e Y. Por tato, la variable ) : ) = S c) / S c ) / E la Tabla, aparece los estadísticos y pricipales itervalos de cofiaza de parámetros de variables co distribució ormal. 7.3 Otros itervalos de cofiaza. Se puede costruir tambié itervalos de cofiaza para alguos parámetros de los que depede la distribució de alguas variables aleatorias o ormales, por ejemplo el parámetro p de ua variable Bp), o el parámetro λ de ua variable co distribució Pλ). E geeral, dada ua variable aleatoria XcuyamediaEX) =μ, elestadístico: X μ / N0, ) si el tamaño de la muestra,, es suficietemete grade. Si la variaza de X es coocida, a partir del estadístico aterior, podríamos deducir u itervalo de cofiaza para μ co u ivel de cofiaza : X z μ X + z Si es descoocido, se puede sustituir e la expresió del estadístico por ua estimació de la misma, obteida a partir de la m.a.s. E ese caso, el estadístico tiee aproximadamete ua distribució N0, ). Por ejemplo, si X Bp), ua estimació de p la proporcioa el valor de X yelestadístico: por tato, el itervalo de ivel para p es: X z X μ N0, ) X X)/ X X) μ X + z X X) Igualmete, se puede costruir itervalos de cofiaza para la diferecia de medias de variables idepedietes, o ecesariamete ormales, a partir de sedas muestras aleatorias simples, siempre que el tamaño de éstas sea lo suficietemete grade. La Tabla cotiee los estadísticos e itervalos de cofiaza asitóticos más usuales para parámetros de distribucioes o ormales.
7 Estadística Alguas aplicacioes de los itervalos de cofiaza. a) Toma de decisioes: Además de serviros para estimar el valor de u parámetro, proporcioado ua medida del error de estimació, los itervalos de cofiaza permite tomar ciertas decisioes e cuáto al valor de dichos parámetros; por ejemplo: Si u valor determiado podría ser o o el valor del parámetro. Si las medias de dos variables puede ser o o iguales. Si las variazas de dos variables puede ser o o iguales. Si la probabilidad p de ua característica e dos poblacioes distitas, puede ser o o igual.... Todas estas decisioes se basa e el sigificado del ivel de cofiaza: si u itervalo tiee ivel, sabemos que eso sigifica que para el )00% de los itervalos costruidos a partir de muestras de tamaño, el parámetro estará e el itervalo; cuado seleccioamos ua muestra, existe por tato probabilidad de elegir ua de estas muestras "bueas", de forma que si determiado valor o está e el itervalo, parece poco creíble que pudiera ser el valor del parámetro, mietras que si lo está, es admisible que sea el valor del parámetro. La forma de expresar lo aterior o es casual y está llea de matices: o tiee el mismo sigificado "o ser creíble" que "ser admisible". Respecto de los ejemplos citados, si quiero decidir si es posible, por ejemplo que las medias de dos variables sea iguales, costruiría el itervalo de cofiaza para la diferecia de medias y si el 0 estuviera e él, cocluiría que la igualdad es posible, mietras que si o está cocluiría que las medias so diferetes. De la misma forma, si quiero decidir si es posible que las variazas de dos variables sea iguales, costruiría el itervalo de cofiaza para el cociete de variazas y si el estuviera e él, cocluiría que la igualdad es posible, mietras que si o está cocluiría que las variazas so diferetes. Se procede igual co los otros ejemplos. b) Determiació del tamaño muestral para garatizar ua precisió e la estimació de u parámetro. La precisió de u itervalo simétrico cosideramos que es la semilogitud del mismo; para itervalos o simétricos, se cosidera la logitud del itervalo. E ocasioes se puede determiar qué tamaño de muestra míimo es ecesario para garatizar que la precisió del itervalo es u valor prefijado. Por ejemplo, si X es ua variable co distribució Nμ, ), co coocido y queremos que la precisió del itervalo sea ɛ, basta despejar e la desigualdad: z <ɛ Recordad que el itervalo para μ e este caso tiee la forma: X z μ X + z )
8 Tabla INTERVALOS DE CONFIANZA Itervalo de cofiaza de ivel Parámetro Pivote Extremo Iferior Extremo Superior PROBLEMA DE UNA MUESTRA: X N µ, ); X, X,..., X m.a.s. µ coocido) µ descoocido) X µ / N 0, ) X z X + z X µ S c/ t X t S c S c, X + t, µ coocido) X i µ) χ X i µ) χ, X i µ) χ, µ descoocido) )S c χ )S c χ, )S c χ, µ µ, cooc.) µ µ = desc.) PROBLEMA DE DOS MUESTRAS: X N µ, ), Y N µ, ) idepedietes; X, X,..., X e Y, Y,..., Y m.a.s. X Y µ µ ) / + / N 0, ) X Y z + X Y + z X Y µ µ ) )S c, + )S c, + ) t + + X Y t +, )S c, + )S c, + ) + X Y + t +, + )S c, + )S c, + ) + µ µ desc.) X Y µ µ ) S c, + S c, t r Ver []) Sc, X Y t r, + S c, Sc, X Y + t r, + S c, µ, µ coocidos) Y i µ ) X i µ ) F, X i µ ) F,, Y i µ ) X i µ ) F,, Y i µ ) µ, µ desc.) Sc, Sc, F, Sc, Sc, F,, Sc, Sc, F,,
9 Tabla INTERVALOS DE CONFIANZA ASINTÓTICOS Itervalo de cofiaza de ivel Parámetro Pivote Extremo Iferior Extremo Superior PROBLEMA DE UNA MUESTRA: X µ, ); X, X,..., X m.a.s. µ coocido) µ desc.) X µ / N 0, ) X z X + z X µ S/ N 0, ) X z S S X + z PROBLEMA DE DOS MUESTRAS: X µ, ), Y µ, ) idepedietes; X, X,..., X e Y, Y,..., Y m.a.s. X Y µ µ ) µ µ, coocidos) / + / N 0, ) X Y z + X Y + z + µ µ, desc.) X Y µ µ ) S / + S / N 0, ) X Y z S + S X Y + z S + S p I.C. PARA UNA PROPORCIÓN: X Bp); X, X,..., X m.a.s. X p X X) N 0, ) X z p p) Ver [3]) X + z X X) λ I.C. PARA UNA DISTRIBUCIÓN DE POISSON: X Pλ); X, X,..., X m.a.s. X λ X N 0, ) X z λ X + z X I.C. PARA LA DIFERENCIA DE DOS PROPORCIONES: X Bp ); Y Bp ); idepedietes; X, X,..., X e Y, Y,..., Y m.a.s. X Y p p ) X X) p p N 0, ) X Y z p p ) + p p ) + Y Y ) X X) X Y + z + Y Y ) Ver [4]) []. Si los datos so apareados se cosidera la m.a.s. de las diferecias D i = Y i X i y se aplica los itervalos de cofiaza para ua muestra correspodietes. []. r represeta el etero más próximo al valor S c, ) + S c, S c, / ) + + S c, / ) +. [3]. X correspode a la proporció muestral del suceso cosiderado. [4]. X e Y correspode a las proporcioes muestrales de los sucesos cuyas probabilidades p y p cosideramos.
8. 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 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 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 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 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 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 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 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 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 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 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 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 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 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 detalles1. Intervalos de Conanza
M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.: Itervalos de coaza Objetivos Costruir itervalos de coaza para los parámetros más importates. Aplicar coveietemete los IC atediedo a cada situació
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 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 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 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 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 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 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 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 detallesIntervalos de Confianza basados en una muestra. Instituto de Cálculo
Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza
Más detallesTEMA 6.- INTERVALOS DE CONFIANZA
TEMA 6.- INTERVALOS DE CONFIANZA 6.1. Distribucioes asociadas a la Normal 6.1.1. Distribució Chi cuadrado de Pearso o Gi dos 6.1.. Distribució t de Studet 6.. Itroducció a itervalos de cofiaza 6.3. Método
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 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 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 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 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 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 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 detallesESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA PROPORCIÓN POBLACIONAL.
ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA PROPORCIÓN POBLACIONAL. U itervalo de cofiaza, para u parámetro poblacioal θ, a u ivel de cofiaza (1 ) 100 %, o es más que u itervalo (L i, L s
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 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 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 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 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 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 detallesSobre los intervalos de confianza y de predicción
Sobre los itervalos de cofiaza y de predicció Itervalos de cofiaza Javier Satibáñez 28 de febrero de 2018 Se costruye itervalos de cofiaza para parámetros. Sea X = X 1,..., X } ua muestra aleatoria de
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 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 detallesLuis González Abril y Luis M. Sánchez-Reyes {luisgon, - Dpto. Economía Aplicada I Universidad de Sevilla
ETUDIO OBRE EL EXCEO DE AMPLITUD EN LA CONTRUCCIÓN DE INTERVALO DE CONFIANZA PARA LA MEDIA POBLACIONAL CON VARIANZA DECONOCIDA EN UNA POBLACIÓN NORMAL Luis Gozález Abril y Luis M. áchez-reyes {luisgo,
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 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 detalles13.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA
Dra. Diaa M. Kelmasky 109 13. INTERVALOS DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL Supogamos que X1,...,X es ua muestra aleatoria de ua població ormal co media μ y variaza. Sabemos que la media
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 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 detallesIES Fco Ayala de Granada Sobrantes de 2004 (Modelo 2) Solución Germán-Jesús Rubio Luna OPCIÓN A 0 2-4 (A I 2 ) B = A A A = -
IES Fco Ayala de Graada Sobrates de 004 (Modelo ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A - 0 0 - - - Sea las matrices A=, B= y C= - 0 0 - ( puto) Calcule (A I ) B, siedo I la matriz idetidad
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 detallesProbabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos
Probabilidad y Estadística 3 Itervalos de Cofiaza y Test de Hipótesis paramétricos Itervalos de Cofiaza Defiició Dada ua muestra aleatoria simple es decir, u vector de variables aleatorias X co compoetes
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 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 detallesEstimación de Parámetros. Estimación de Parámetros
Uiversidad Técica Federico Sata María Capítulo 7 Estimació de Parámetros Estadística Computacioal II Semestre 007 Prof. Carlos Valle Págia : www.if.utfsm.cl/~cvalle e-mail : cvalle@if.utfsm.cl C.Valle
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 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 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 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 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 IV. 1. Series Numéricas
TEMA IV Series uméricas. Ídice. Series uméricas. 2. Propiedades geerales de las series. 3. Series de térmios positivos. Covergecia. 4. Series alteradas. 5. Series de térmios arbitrarios. 6. Ejercicios
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 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 detallesAnálisis de resultados. Independencia de las muestras
Aálisis de resultados Clase ro. 8 Curso 00 Idepedecia de las muestras Los resultados de ua corrida de simulació, so muestras de algua distribució. Esos resultados los llamamos "respuestas". Las respuestas
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 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 detallesESTIMACIÓN. TEMA 5: Estimación puntual I. Propiedades de los estimadores. TEMA 6: Estimación puntual II. Métodos de estimación puntual
ETIMACIÓN TEMA 5: Estimació putual I. Propiedades de los estimadores TEMA 6: Estimació putual II. Métodos de estimació putual TEMA 7: Estimació por itervalos CONTRATE DE HIPÓTEI TEMA 8: Cotrastes paramétricos
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 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 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 detallesEstimadores Puntuales: Propiedades de estimadores Sebastián Court
Estadística Estimadores Putuales: Propiedades de estimadores Sebastiá Court 1.Motivació Cosideremos ua variable aleatoria X co ciertas características, como por ejemplo, u parámetro θ, y ua muestra aleatoria
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 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 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 detallesAnálisis estadístico de datos simulados Estimadores
Aálisis estadístico de datos simulados Estimadores Patricia Kisbye FaMAF 11 de mayo, 2010 Aálisis estadístico Iferecia estadística: Elegir ua distribució e base a los datos observados. Estimar los parámetros
Más detallesEstadística y sus aplicaciones en Ciencias Sociales Práctico 4 - Solución Curso ) Como se trata de muestreo sin reposición, se tiene C 5 3
Estadística y sus aplicacioes e Ciecias Sociales Práctico 4 - Solució Curso 016 Ejercicio 1 5! 1) Como se trata de muestreo si reposició, se tiee C 5 3 3!! muestras de tamaño =3. ) Distribució muestral
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 detallesESTADÍSTICA. n i Se pide:
ESTDÍSTIC Tercera Prueba de Evaluació cotiua 1 de diciembre de 16 1.- l calcular cico veces la distacia etre dos putos, obteemos los siguietes valores: 17,13m; 17,1m; 17,m; 17,65m; 17,4 a) Itervalo de
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 detallesINFERENCIA ESTADÍSTICA
FACULTAD DE INGENIERÍA INFERENCIA ESTADÍSTICA Iree Patricia Valdez y Alfaro Estimació de parámetros ireev@servidor.uam.mx Ua clasificació de estadística Descriptiva Calculo de medidas descriptivas Costrucció
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 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 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 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 detallesCAPÍTULO V. SUCESIONES Y SERIES
(Aputes e revisió para orietar el apredizaje) CAPÍTULO V. UCEIONE Y ERIE DEFINICIÓN. Ua sucesió ifiita, o simplemete sucesió, es ua fució cuyo domiio está costituido por el cojuto de los úmeros aturales
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 detallesObjetivos. Contenidos. Cátedra I Estadística II Autor I Hebe Goldenhersch. Este Capítulo tiene por propósitos centrales:
INFERENCIA ESTADÍSTICA: TEORÍA DE LA ESTIMACIÓN I Objetivos Este Capítulo tiee por propósitos cetrales: Compreder el cocepto de estimador y estimació putual; Coocer las propiedades de los bueos estimadores
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 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 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 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 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. Tema 11. Estimación de una media. Introducción. Introducción (2) Introducción
Curso de Estadística Aplicada a las Ciecias Sociales Tema 11. Estimació de ua (Cap. 1 del libro) Tema 11. Estimació de ua Itroducció 1. Distribució de la e el. La muestral es cetrada 3. El error típico
Más detallesINFERENCIA ESTADÍSTICA
IC INFERENCIA ETADÍTICA INTERVALO DE CONFIANZA IC I Geeralidades Cuado se estima u parámetro e forma putual, geeralmete, pero o siempre, el resultado de la estimació es simplemete u úmero, o teiédose igua
Más detallesSobre los intervalos de confianza y de predicción Javier Santibáñez 7 de abril de 2017
Sobre los itervalos de cofiaza y de predicció Javier Satibáñez 7 de abril de 2017 Itervalos de cofiaza Se costruye itervalos de cofiaza para los parámetros poblacioales. Supogamos que teemos ua muestra
Más detallesTEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas
TEMA 5: Gráficos de Cotrol por Atributos 1 Gráfico de cotrol para la fracció de uidades defectuosas 2 Gráfico de cotrol para el úmero medio de discoformidades por uidad Selecció del tamaño muestral 3 Clasificació
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 detallesEn el siglo XVIII muchos matemáticos buscaban, sin demasiado éxito, el valor de la expresión
Defiició y propiedades 5 5. Defiició y propiedades 6 5. Covergecia absoluta e icodicioal 65 5.3 Criterios de covergecia para series de térmios o egativos 66 5.4 Otros criterios 69 5.5 Suma de series 69
Más detalles12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS
INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE LA TABLA DE LA NORMAL N(0,1) E la distribució N(0,1), a la variable se le suele represetar
Más detalles