1. Elementos del problema de Muestreo
|
|
- Francisco Fidalgo Barbero
- hace 7 años
- Vistas:
Transcripción
1 . Elemetos del problema de Muestreo. Defcoes báscas Elemeto o udad de muestreo: objeto e el que se toma las medcoes Poblacó objetvo: cojuto de elemetos que deseamos estudar Muestra: subcojuto de la poblacó Poblacó muestreada: coleccó de todos los elemetos posbles que podría seleccoarse para la muestra Udad de muestreo: so cojutos (o solapados) de elemetos de la poblacó que cubre la poblacó completa Marco de muestreo: es la lsta de las udades de muestreo
2 . Elemetos del problema de Muestreo. Defcoes báscas Poblacó Objetvo Poblacó del marco de muestreo No localzable No cluda e el marco de muestreo Rehusa respoder POBLACIÓN MUESTREADA No es elegble para la ecuesta Otras causas
3 . Elemetos del problema de Muestreo. Seleccó de la muestra Muestreo aleatoro smple: Todas las muestras de u determado tamaño tee la msma probabldad de ser seleccoadas. Muestreo aleatoro estratfcado: Se dvde a la poblacó e grupos, deomados estratos, y se seleccoar ua muestra aleatora smple de cada estrato. Muestreo por coglomerados: Se dvde a la poblacó e grupos, deomados coglomerados, y seleccoar ua muestra aleatora smple de coglomerados. Muestreo sstemátco: Cosste e seleccoar u elemeto al comezo de ua lsta de la poblacó y luego se seleccoa cada u úmero fjo de poscoes el resto de elemetos. 3
4 . Elemetos del problema de Muestreo.3 Fuetes de error.3. Errores de muestreo θ característca descoocda de la poblacó θˆ estmador de la característca ˆ θ θ Error de estmacó P ˆ θ θ B α, 0 < α < Límte de Error de Estmacó (LEE) B Cota para el error de estmacó Error de estmacó máxmo α Nvel de cofaza 4
5 . Elemetos del problema de Muestreo.3 Fuetes de error.3. Errores de muestreo. El estmador es sesgado y tee dstrbucó Normal. ɵ θ N( θ, σ ɵθ ) P ˆ θ θ B P B ˆ θ θ B Z N(0,) B B ˆ θ θ B P Z α θ σ σ ˆ σ θ ˆ θ ˆ θ z B z σˆ α α θ σ ˆ α 0,95 B z σ,96σ σ 0,975 ˆ θ ˆ θ ˆ θ P ˆ θ θ σ ˆ θ 0,95 5
6 . Elemetos del problema de Muestreo.3 Fuetes de error.3. Errores de muestreo. El estmador es sesgado co desvacó típca σ ˆ θ Desgualdad de Tchebychev: ( ) θ θ θ σ P ˆ E ˆ k ˆ, k k k P ˆ θ θ σ 3 ˆ θ 0,75 4 6
7 . Elemetos del problema de Muestreo.3 Fuetes de error.3. Errores de muestreo P θ θ θ θ θ θ θ + α ˆ B P B ˆ B P ˆ B ˆ B Itervalo de cofaza para el verdadero valor del parámetro co ua cofaza de α ( ˆ θ B, ˆ θ + B ) 7
8 . Elemetos del problema de Muestreo.3 Fuetes de error.3. Errores de o muestreo Sesgo de seleccó. Ocurre cuado algua parte de la poblacó objetvo o está e la poblacó muestreada. Sesgo de medcó. Ocurre cuado por dversos motvos los datos que obteemos o so exactos o verdaderos. No respuesta. La o respuesta de dvduos seleccoados para la muestra puede causar sesgo e los datos muestrales. 8
9 . Elemetos del problema de Muestreo.3 Fuetes de error.3. Errores de o muestreo FORMAS DE MINIMIZAR LOS ERRORES DE NO MUESTREO. Reetrevstas. Recompesas e cetvos 3. Etrevstadores adestrados 4. Verfcacó de datos 9
10 . Elemetos del problema de Muestreo.4 Métodos de recoleccó de datos Etrevsta persoal. Vetaja: La gete usualmete respode cuado es cofrotada e persoa. El etrevstador puede elmar malos eteddos acerca de las pregutas. Icoveete: La acttud del etrevstador puede afectar a la respuesta obteda Etrevsta por telefoo. Vetaja: So mas baratas que las persoales. El vestgador puede escuchar la etrevsta. Icoveete: Establecer u marco para la poblacó Realzacó e u perodo de tempo más corto. Cuestoaros autoaplcados. Vetaja: So más baratos (so evados por correo y o requere etrevstadores). Icoveete: Tasa de respuesta baja. Observacó drecta. Usada e ecuestas que o requere medcoes e persoas. 0
11 . Elemetos del problema de Muestreo.5 Dseño del cuestoaro - Decdr lo que se quere descubrr - Verfcar las pregutas ates de realzar la ecuesta - Elaborar las pregutas de maera seclla y clara - Prestar atecó al orde de las pregutas - Decda s desea utlzar pregutas abertos o cerradas - Evtar pregutas que duzca al etrevstado a decr lo que se quere escuchar - Utlzar pregutas de opcó forzosa
12 . Elemetos del problema de Muestreo.6 Plafcacó de la ecuesta. Establecer objetvos. Poblacó objetvo 3. El marco 4. Dseño del muestreo 5. Recoleccó de datos 6. Istrumetos de recoleccó de datos 7. Seleccó y preparacó de vestgadores de campo 8. Prueba ploto 9. Orgazacó del trabajo de campo 0. Orgazacó del maejo de datos. Aálss de los datos
13 . Elemetos del problema de Muestreo.7 Razoes para el uso del muestreo Evtar la destruccó de la poblacó. E alguos casos, ua udad de observacó debe ser destruda para ser observada. E ese caso, u ceso destruría toda la poblacó. Rapdez. Los datos se puede reur más rápdo, de modo que las estmacoes se puede publcar de ua maera programada Ecoomía y precsó. El muestreo puede proporcoar formacó fable co costes mucho meores que los de u ceso. 3
14 . Muestreo Aleatoro Smple. Seleccó de ua muestra aleatora smple. Números aleatoros. Rutas aleatoras. Cada muestra posble de tamaño tee la msma probabldad de ser seleccoada. E la práctca, la ateror codcó se traduce e que cada elemeto tega la msma probabldad de perteecer a la muestra. La seleccó de cada elemeto de la muestra se hace sobre la base de u sorteo completamete aleatoro. Opcoes: tablas de úmeros aleatoros o geeracó de úmeros aleatoros co programas de ordeador Ordear o umerar la poblacó. Rutas aleatoras (guías telefócas) IMPORTANTE: EL NÚMERO TOTAL DE ELEMENTOS QUE FORMAN UNA MUESTRA TIENE MENOS IMPORTANCIA QUE EL PRINCIPIO DE SELECCIÓN ALEATORIA 4
15 . Muestreo aleatoro smple e poblacoes ftas... Meda, varaza y proporcó muestrales: Propedades. Error de estmacó. Poblacó Y (µ,σ ). Muestra aleatora smple Y,..., Y (..d.) y. Muestreo Aleatoro Smple y E( y) µ V( y) σ S S ( ) y y E ( S ) σ V ( y ) S Cuado las varables Y, Y,..., Y so dcotómcas µp, σ pq p y, y 0, ( ) ( ) σ E p p V p ɵ ( ) pq S y y pq E( S ) pq V ( p ) ɵ pq 5
16 . Muestreo Aleatoro Smple. Muestreo aleatoro smple e poblacoes ftas... Meda, varaza y proporcó muestrales: Propedades. Error de estmacó. µ σ σ Y N(, ) coocda y µ σ N(0,) µ σ σ Y N(, ) descoocda y µ t N(0,) ( para > 30) S Y cualquer ley ( ) y µ y µ N(0,) ( para > 30) σ S Y B(, p) µ p y p p p p p p p pq ɵ pq ɵ pq N(0,) 6
17 . Muestreo Aleatoro Smple. Muestreo aleatoro smple e poblacoes ftas... Meda, varaza y proporcó muestrales: Propedades. Error de estmacó. σ σ σ P y µ 0,95 P y µ 0,95 y µ y µ P Zα Zα α P,96,96 0,95 σ σ,96 σ σ σ σ P y µ y + 0,95 y, y + 7
18 . Muestreo Aleatoro Smple. Muestreo aleatoro smple e poblacoes ftas... Meda, varaza y proporcó muestrales: Propedades. Error de estmacó. P y σ µ 0,95 Desgualdad de Tchebychev ( ) ( ) E X µ V X σ P X µ kσ k ( ) ( ) σ σ E y µ V y k P y µ 0,
19 . Muestreo Aleatoro Smple. Muestreo aleatoro smple e poblacoes ftas.. Estmacó putual. Itervalos de cofaza. Cotrastes de hpótess. ESTIMACIÓN PUNTUAL y y V ( y) S INTERVALO DE CONFIANZA y S, y + S CONTRASTE DE HIPÓTESIS S se acepta H0 : µ µ 0 s µ 0 y, y + S se rechaza H0 s µ 0 y, y + S S 9
20 . Muestreo Aleatoro Smple. Muestreo aleatoro smple e poblacoes ftas..3 Determacó del tamaño muestral. σ V ( y) B σ 4 B σ σ B D 4 B 4, D σ S R R σ σ 4 6 V ( p ) pq B pq pq B, D B D 4 4 p p p q 0
21 . Muestreo Aleatoro Smple. Muestreo aleatoro smple e poblacoes ftas MEDIA PROPORCIÓN ESTIMADOR y y p y, y 0, CUASIVARIANZA MUESTRAL S y y ( ) ( ) ɵ pq S y y VARIANZA DEL ESTIMADOR σ ( ) S V y V ( y) pq ɵ pq V ( p) ( ) V p
22 . Muestreo Aleatoro Smple. Muestreo aleatoro smple e poblacoes ftas MEDIA PROPORCIÓN LIMITE DEL ERROR DE ESTIMACIÓNB V ( y) S V ( p ) ɵ pq INTERVALO DE CONFIANZA y S, y + S ɵ ɵ pq, pq p p + TAMAÑO MUESTRAL σ σ B D 4 B 4, D pq pq B, D B D 4 4
23 . Muestreo Aleatoro Smple.3 Muestreo aleatoro smple e poblacoes ftas.3. Estmacó de la meda, proporcó y total poblacoales. σ N µ y E ( y) µ V ( y) N y N N E ( S ) σ E S σ N N ( ) V y S N N N N N 0,95 N 5% N N 0 N τ N y y ɵ S N S V ( ɵ τ ) V ( N y) N V ( y) N N( N ) N 3
24 . Muestreo Aleatoro Smple.3 Muestreo aleatoro smple e poblacoes ftas.3. Estmacó de la meda, proporcó y total poblacoales. p y, y 0, S ɵ pq V ( p ) S N ɵ pq N N N ɵ ɵ τ Np ( ) ( ) ( pq V ɵ τ V N p N V p) N( N ) 4
25 . Muestreo Aleatoro Smple.3 Muestreo aleatoro smple e poblacoes ftas.3.. Determacó del tamaño muestral. σ N N B Nσ B D ( meda) ( N ) D + σ 4 D B ( total) 4N σ S σ R R σ 4 6 Npq B B D ( proporco) D ( total) ( N ) D + pq 4 4N p p p q 5
26 . Muestreo Aleatoro Smple.3 Muestreo aleatoro smple e poblacoes ftas MEDIA TOTAL PROPORCIÓN TOTAL ESTIMADOR y y ɵ τ N y p y ɵ τ Np VARIANZA DEL ESTIMADOR S N V ( y) V ( ɵ τ ) N V ( y) N ɵ pq N V ( p) V ( ɵ τ ) N V ( p ) N LIMITE DEL ERROR DE ESTIMACIÓNB V ( y) V ( ɵ τ ) N V ( y) V ( p ) V ( ɵ τ ) N V ( p ) 6
27 . Muestreo Aleatoro Smple.3 Muestreo aleatoro smple e poblacoes ftas INTERVALO DE CONFIANZA MEDIA TOTAL ( y V ( y), y + V ( y) ) ( ɵ τ V ( ɵ τ ), ɵ τ + V ( ɵ τ )) PROPORCIÓN TOTAL ( p V ( p ), p + V ( p )) ( ɵ τ V ( ɵ τ ), ɵ τ + V ( ɵ τ )) Nσ ( N ) D + ( ) σ Npq N D + pq TAMAÑO MUESTRAL D B 4 ( meda) D B 4 ( proporco) D B ( total) 4N B D ( total) 4N 7
28 3. Muestreo Aleatoro Estratfcado 3. Seleccó de ua muestra aleatora estratfcada. Notacó. L úmero de estratos N tamaño de la poblacó tamaño de la muestra N N tamaño del estrato L L N µ meda poblacoal del estrato τ total poblacoal del estrato y tamaño de la muestra del estrato meda muestral del estrato σ p varaza poblacoal del estrato proporcó poblacoal del estrato S p varaza muestral del estrato proporcó muestral del estrato c coste de ua observacó del estrato 8
29 3. Muestreo Aleatoro Estratfcado 3. Estmacó de la meda, proporcó y total poblacoales. N y ɵ L τ τ τ ɵ τ L st N y L L S N V ( ɵ τ st ) N V ( y ) N N y st ɵ τ st L N N N y L L S N V ( yst ) ( ) N V y N N N N yst y ɵ τ st ɵ τ N y 9
30 3. Muestreo Aleatoro Estratfcado 3. Estmacó de la meda, proporcó y total poblacoales. ESTIMADOR y st ɵ MEDIA TOTAL L N L N y τ N y st p PROPORCIÓN st ɵ τ TOTAL L N p N L st N p VARIANZA DEL ESTIMADOR V ( y ) st L N N N L S N V( ɵ τ st ) N N S N V ( p ) st L ɵ p q N N N N L ɵ p q N V ( ɵ τ st ) N N 30
31 3. Muestreo Aleatoro Estratfcado 3.3 Determacó del tamaño muestral. V ( yst ) B V ( y ) st σ N N N L N ω L N σ ω L + Nσ N D D D B 4 ( meda) B ( total) 4N σ p q L N D + N p q ω L N p q D B 4 ( proporcó) B D ( total) 4N 3
32 3. Muestreo Aleatoro Estratfcado 3.4. Asgacó óptma. ω j L N j σ c j j N σ c ω Mmza el coste de obtecó de la muestra para u límte del error de estmacó fjado. j N L j N p q j c j j pq c L L N σ N σ c c L N D + Nσ L L p q N pqc N c L N D + N pq Mmza el límte del error de estmacó para u coste de obtecó de la muestra fjo. C L L N σ N σ c c C L L N N pq c p q c c + c + c C 3 3 c ω + c ω + c ω C 3 3 C c ω + c ω + c ω 3 3 3
33 3. Muestreo Aleatoro Estratfcado 3.4. Asgacó de Neyma. S c c... c... c L Caso umérco: ω j N L j σ j N σ ( L ) N σ L + + N σ N D Caso dcotómco: ω j N L p q j j j N p q ( L ) N p q N D + L N p q 33
34 3. Muestreo Aleatoro Estratfcado Asgacó proporcoal. S c c... c... c σ σ... σ... σ L L Caso umérco: ω j N N j L ND + N N σ L N σ Caso dcotómco: Vetajas: y y p p ɵ τ st ɵ τ st st ω j N N j L ND + N p q N L N p q Resuelve complcacoes e la asgacó para varas medcoes muestrales 34
35 3. Muestreo Aleatoro Estratfcado 3.4 Asgacó de la muestra. Determacó del tamaño muestral y asgacó para varas estmacoes Asgacó óptma/neyma ª estmacó: ª estmacó: 00 ω 0,0 0 ω 0, ω 0,50 0 ω 0,50 0 Asgacó proporcoal ª estmacó: ª estmacó: 00 ω 0,30 30 ω 0, ω 0,30 ω 0,
36 3. Muestreo Aleatoro Estratfcado 3.5 Estratfcacó después de seleccoar la muestra. Ejemplo 3.6 (Ejercco 7, relacó tema 3) E ua cudad se sabe que el 30% de los hogares tee calefaccó eléctrca. Al realzar ua ecuesta sobre el cosumo de eergía (valor e euros de la factura bmesual) se obtuvero los sguetes resultados: Tpo Calefaccó Nº casas Valor total de las facturas desvacó típca muestral Eléctrca No electrca Obtega ua estmacó del valor medo de la factura de electrcdad e la cudad. Dé u límte para el error de estmacó. 36
37 3. Muestreo Aleatoro Estratfcado 3.5 Estratfcacó después de seleccoar la muestra. Solucó: y ,5 y N y N y y (0,30 95,5) + (0, 70 5) 65, 05 st N N S N N S N V ( y st ) N N N N N N S N S N N ,30 + 0, 70 59, 5 V ( y ) 5,4 st y ,0 37
38 4. Itroduccó 4. Muestreo co formacó auxlar Y X Varable bajo estudo Varable que proporcoa la formacó auxlar Muestra costtuda por pares: ( x y ),..., (, ), x y Bajo ua fuerte relacó leal postva r xy > y depededo de la relacó etre ambas varables utlzaremos: Estmadores de razó Estmadores de regresó Estmadores de dfereca ( y bx) ( y a + bx) ( y a + x) 38
39 4. Muestreo co formacó auxlar 4. Estmacó de razó Se defe la razó como el cocete: τ y R τ x τ τ y x Nµ y Nµ x µ R Y µ Etoces s se cooce los valores de la meda y del total de X sólo hay que estmar el valor de R (r): ˆ r τ y x ˆ µ r µ y τ x X ESTIMADOR DE LA RAZÓN: r y x y x VARIANZA ESTIMADA DE r: Sr N r µ x N ( ) Vˆ( r ) S y rx 39
40 4. Muestreo co formacó auxlar 4. Estmacó de razó 4.. Estmacó de la meda y el total poblacoales Etre X e Y exste ua alta correlacó leal postva y que el modelo leal pasa por el orge. ESTIMADOR DE LA MEDIA: ˆ µ y rµ x S VARIANZA ESTIMADA DEL ESTIMADOR: ( ) N Vˆ r ˆ µ µ Vˆ( r) y x N ESTIMADOR DEL TOTAL: ˆ τ y rτ x VARIANZA ESTIMADA DEL ESTIMADOR: ˆ τ x Sr N Sr N V ( ˆ τ y ) τ V ( r) N N N ˆ x µ x 40
41 4. Muestreo co formacó auxlar 4. Estmacó de razó 4.. Determacó del tamaño muestral Tamaño muestral mímo para que la estmacó de la razó, la meda y el total o supere ua cota de error de magtud B µ Nσ r σ r + ND B 4 B D 4 B 4 N x para estmar la razó para estmar la meda para estmar el total N debe ser coocdo o estmado σ r se estma utlzado ua muestra preva (tamaño ): ˆ σ r S r ˆ µ x x 4
42 4. Muestreo co formacó auxlar 4.3 Estmacó de regresó Etre X e Y exste ua alta correlacó leal postva y el modelo leal o pasa por el orge. Modelo leal smple + ( y y)( x x) y a bx Método de mímos cuadrados y y bx ˆ + bx ˆ y + bˆ( x x ) aˆ bˆ y bx ˆ s S xy xy s x S x ( x x ) dode S x x s x x x ( ) x ( ) S x x y y s x x y y ( )( ) ( )( ) xy xy 4
43 4. Muestreo co formacó auxlar 4.3 Estmacó de regresó 4.3. Estmacó de la meda y el total poblacoales ESTIMADOR DE LA MEDIA: VARIANZA ESTIMADA DEL ESTIMADOR: ˆ µ aˆ + b ˆ µ y + bˆ µ yl x S ( x) ( ) L ˆ V ˆ µ yl x N N ( ( ( ))) ˆ ( ) ˆ SL y y + b x x y y b ( x x ) S S S r s r S xy y y xy y xy x ( ) ( ) ESTIMADOR DEL TOTAL: ˆ τ ˆ yl Nµ yl VARIANZA ESTIMADA DEL ESTIMADOR: ( ˆ τ ) N Vˆ ( ˆ ) ˆ yl V µ yl 43
44 4. Muestreo co formacó auxlar 4.3 Estmacó de regresó 4.3. Determacó del tamaño muestral Tamaño muestral mímo para que la estmacó de la meda y el total o supere ua cota de error de magtud B Nσ L σ L + ND B 4 D B 4N σ para estmar la meda para estmar el total σ L se estma utlzado ua muestra preva (tamaño ): ˆ σ L S L 44
45 4. Muestreo co formacó auxlar 4.4 Estmacó de dfereca Etre X e Y exste ua alta correlacó leal postva y la pedete del modelo es uo Estmacó de la meda y el total poblacoales ESTIMADOR DE LA MEDIA: y + ( µ x) µ d dode d VARIANZA ESTIMADA DEL ESTIMADOR: dode S D ESTIMADOR DEL TOTAL: µˆ ˆ τ yd x x + ˆ yd Nµ yd y x S D N ( ˆ ) Vˆ µ ( y ( x + d ) ( d d ) yd S y D d N y x cuasvaraza de los d VARIANZA ESTIMADA DEL ESTIMADOR: ( ˆ τ ) N Vˆ ( ˆ ) ˆ yd V µ yd 45
46 4. Muestreo co formacó auxlar 4.4 Estmacó de dfereca 4.4. Determacó del tamaño muestral Tamaño muestral mímo para que la estmacó de la meda y el total o supere ua cota de error de magtud B Nσ D σ D + ND B 4 D B 4N σ para estmar la meda para estmar el total σ D se estma utlzado ua muestra preva (tamaño ): ˆ σ D S D 46
47 5. Muestreo sstemátco 5. Seleccó de ua muestra sstemátca. Usos. Vetajas Muestra Sstemátca de e k:. Ordear los elemetos de la poblacó. Seleccoar aleatoramete u elemeto (llamado puto de co) de los prmeros k elemetos de la poblacó. 3. Después seleccoar cada k-esmo elemeto hasta cosegur ua muestra de tamaño. N k se toma como el úmero etero meor o gual que Vetajas del muestreo sstemátco frete al muestreo aleatoro smple: E la práctca, el muestreo sstemátco es más fácl de llevar a cabo y está expuesto a meos errores del ecuestador. Frecuetemete, co gual tamaño de muestra el muestreo sstemátco proporcoa más formacó que el muestreo aleatoro smple. 47
48 5. Muestreo sstemátco 5. Estmacó de la meda, proporcó y el total poblacoales ESTIMADOR DE LA MEDIA POBLACIONAL: ˆµ y sy y + ( j ) k j VARIANZA ESTIMADA DEL ESTIMADOR: V ( y) σ N N V σ ( y ) + ( ) ESTIMADOR DEL TOTAL POBLACIONAL: VARIANZA ESTIMADA DEL ESTIMADOR: sy S N ( y ) Vˆ sy [ ρ] ρ coef. Correlacó etre los elemetos de la muestra sstemátca ESTIMADOR DE LA PROPORCIÓN POBLACIONAL: τˆ Ny sy N S N N ( ) N Vˆ ( y ) N V ˆ τˆ pˆ sy sy y + ( j j ) k VARIANZA ESTIMADA DEL ESTIMADOR: Vˆ pˆ qˆ sy sy N ( pˆ ) sy N 48
49 5. Muestreo sstemátco 5.3 Comparacó co el muestreo aleatoro smple: Poblacoes ordeadas, aleatoras y peródcas V. Poblacó ordeada: cuado los elemetos que la costtuye está ordeados de acuerdo co los valores, crecetes o decrecetes, de ua determada característca. ρ 0 ( y) σ N N V ( y ) V ( y ) V sy σ ( y ) + ( ) sy [ ρ] m.s. es preferble al m.a.s.. Poblacó aleatora: cuado los elemetos está ordeados al azar. ρ 0 ( y ) V ( y) V sy Es dferete usar m.s. ó m.a.s. 3. Poblacó peródca: cuado los elemetos tee ua varacó cíclca. ρ 0 ( y ) V ( y) V sy > m.a.s. es preferble al m.s. 49
50 5. Muestreo sstemátco 5.4 Determacó del tamaño muestral Tamaño muestral ecesaro para estmar la meda y el total poblacoales co u límte B para el error de estmacó Nσ ( N ) D + σ D B 4 B 4N para estmar la meda para estmar el total Tamaño muestral ecesaro para estmar la proporcó poblacoal co u límte B para el error de estmacó Npq ( N ) D + pq B para estmar la proporcó 4 D B para estmar el total 4N 50
51 6. Muestreo por Coglomerados 6. Necesdad y vetajas del muestreo por coglomerados. 6. Formacó de los coglomerados. Coglomerados y estratos. Notacó N coglomerados e la poblacó. coglomerados e la muestra. m y M M elemetos e el coglomerado suma de las observacoes e el coglomerado N m N m N elemetos e la poblacó m m elemetos e la muestra tamaño medo de los coglomerados de la poblacó. m m tamaño medo de los coglomerados de la muestra. 5
52 6. Muestreo por Coglomerados 6.3 Estmacó de la meda, proporcó y total poblacoales. µ y ɵ τ M y y m N Sc V ( y) M N S y ym ( ) V ( ɵ τ ) M V ( y) c ɵ τ t N yt ( ) St V ɵ τ t N V ( yt ) N( N ) y t y N St V ( yt ) N S y y ( ) t t S m m... mn M y Nyt 5
53 6. Muestreo por Coglomerados 6.4 Determacó del tamaño muestral. ɵ τ M y µ N σ c ND + σ c y y m B M D ( meda) 4 σ ( ) c Sc y ym B D ( total) 4N ɵ τ t t t N y y y m.a.s. sobre los totales de los coglomerados Nσ t ND + σ t B S y y D 4N ( ) t t t σ. 53
54 7. Estmacó del tamaño de la poblacó 7. Muestreo drecto. Se seleccoa ua muestra aleatora de tamaño t, se marca y devuelve a la poblacó.. Se seleccoa ua muestra de tamaño (fjado de atemao) de la msma poblacó y se observa cuátos de ellos está marcados. (s º elemetos marcados e esta muestra) Proporcó de elemetos marcados e la ª muestra: p proporcó de elemetos marcados e la poblacó s p ˆ t N N t p ESTIMADOR DE N: t t N ˆ pˆ s / t s VARIANZA ESTIMADA DEL ESTIMADOR: ( ) 3 Vˆ Nˆ t ( s s) 54
55 7. Estmacó del tamaño de la poblacó 7. Muestreo verso. Se seleccoa ua muestra aleatora de tamaño t de la poblacó, se marca y se devuelve a la poblacó.. Se seleccoa ua muestra de tamaño hasta que se obtee s elemetos marcados. ESTIMADOR DE N: t t N ˆ pˆ s / VARIANZA ESTIMADA DEL ESTIMADOR: t s Vˆ ( Nˆ ) t ( s + s) ( s ) 55
56 7. Estmacó del tamaño de la poblacó 7.3. Estmacó de la desdad y del tamaño de la poblacó A área dode está coteda la poblacó. Se dvde a la poblacó e N cuadros de gual área º elemetos e el cuadro -esmo m a. Se toma ua muestra de cuadros de los N exstetes. Se observa el úmero de elemetos que cotee la muestra: m 3. Se calcula la desdad de elemetos e la muestra: m ˆ º elemetos e la muestra λ área de la muestra m a 4. Dado que la desdad poblacoal es º elemetos e la poblacó M λ área de la poblacó A M Aλ 56
57 7. Estmacó del tamaño de la poblacó 7.3. Estmacó de la desdad y del tamaño de la poblacó ESTIMADOR DE LA DENSIDAD: VARIANZA ESTIMADA DEL ESTIMADOR: m a ESTIMADOR DEL TAMAÑO POBLACIONAL: VARIANZA ESTIMADA DEL ESTIMADOR: λˆ m Vˆ( ˆ) λ a λ M ˆ A λˆ 7.3. Muestreo por cuadros e el espaco temporal ˆ( ˆ ˆ( ˆ a m A a ˆ) V M ) A V λ A a m E determadas ocasoes, podemos tomar los cuadros como tervalos temporales 57
58 7. Estmacó del tamaño de la poblacó Cuadros cargados Cuadro cargadocuadro que cotee al meos u elemeto objeto de estudo. Se dvde a la poblacó e N cuadros de gual área a. Se toma ua muestra de cuadros de los N exstetes. y úmero de cuadros o cargados y 3. La desdad poblacoal se estma como ˆλ l a y su varaza como V ˆ( ˆ) λ a y y Dado que M Aλ ESTIMADOR DEL TAMAÑO DE LA POBLACIÓN Mˆ A ˆ λ A a l y VARIANZA ESTIMADA DEL ESTIMADOR Vˆ( Mˆ ) A a y y 58
59 8. Aálss Cluster 8. Itroduccó Aálss cluster: sere de téccas que tee por objeto la búsqueda de grupos smlares de dvduos o varables. Es ua técca completamete umérca e la que o se realza hpótess prevas. Pasos e u aálss cluster: Establecer u dcador (dstaca o smlardad) que os dga e qué medda cada par de observacoes se parece etre sí.. Crear los grupos de forma que cada uo de ellos cotega aquellas observacoes que más se parezca. 3. Descrbr los grupos obtedos y compararlos. Tpos de téccas para realzar este aálss: Téccas jerárqucas Téccas o jerárqucas 59
60 8. Aálss Cluster 8. Meddas de smlardad Ejemplo 8. 30,00 Nombre Empresa Iversó publcdad Vetas E 6 0 5,00 E4 E7 E8 E 4 E3 0 E4 5 Vetas 0,00 E3 E E E ,00 E E6 E ,00 E E Iverso 60
61 8. Aálss Cluster 8. Meddas de smlardad 8.. Meddas de smlardad para varables métrcas (A) Dstaca Euclídea: D ( x x ) Ejemplo 8. k ( ) ( ) j p jp p D , 66 Matrz de dstacas eucldeas dstaca euclídea Caso :E :E 3:E3 4:E4 5:E5 6:E6 7:E7 8:E8 :E,00 5,66 3,4 5,5 9,00 34,37 3,65 38,0 :E 5,66,00 8,5,00 33,4 38,0 34,79 40,6 3:E3 3,4 8,5,00 3,6 37,00 40,6 35,3 40,3 4:E4 5,5,00 3,6,00 36,5 39,9 33,00 38,05 5:E5 9,00 33,4 37,00 36,5,00 7,07 5,00 7,7 6:E6 34,37 38,0 40,6 39,9 7,07,00,8,00 7:E7 3,65 34,79 35,3 33,00 5,00,8,00 5,39 8:E8 38,0 40,6 40,3 38,05 7,7,00 5,39,00 (B) Dstaca Euclídea al cuadrado: k ( ) D x x j p jp p (C) Dstaca de Mskowsk: k D x x j p jp p 6
62 8. Aálss Cluster 8. Meddas de smlardad 8.. Meddas de smlardad para datos baros Ejemplo 8.3 Observacoes Varables X X X3 X4 E 0 0 E 0 E3 0 E E5 0 (A) Dstaca euclídea al cuadrado Dj b + c E 0 E 0 0 E 0 E a b 0 c d (B) Dstaca euclídea (C) Dfereca de tamaño Dj b + c D j ( b c) ( a + b + c + d ) Ejemplo 8.4 D ( ) ( ) 0,063 6
63 8. Aálss Cluster 8.3 Estadarzacó de los datos Ejemplo 8.5 E el sguete cuadro se recoge el tamaño de los actvos y el úmero de trabajadores de 8 empresas: Empresa Actvos Trabajadores E E E E E E E E
64 8. Aálss Cluster 8.3 Estadarzacó de los datos Ejemplo 8.5 (Cotuacó) Caso :E :E 3:E3 4:E4 5:E5 6:E6 7:E7 8:E8 Matrz de dstacas dstaca euclídea :E :E 3:E3 4:E4 5:E5 6:E6 7:E7 8:E8,000 5,0E+07 00,000 5,0E+07,0E+0,0E+0,0E+0,0E+0 5,0E+07,000 5,0E+07 00,000,0E+0,0E+0,0E+0,0E+0 00,000 5,0E+07,000 5,0E+07,0E+0,0E+0,0E+0,0E+0 5,0E+07 00,000 5,0E+07,000,0E+0,0E+0,0E+0,0E+0,0E+0,0E+0,0E+0,0E+0,000 5,0E+07 00,000 5,0E+07,0E+0,0E+0,0E+0,0E+0 5,0E+07,000 5,0E+07 00,000,0E+0,0E+0,0E+0,0E+0 00,000 5,0E+07,000 5,0E+07,0E+0,0E+0,0E+0,0E+0 5,0E+07 00,000 5,0E+07,000 Esta es ua matrz de dsmlardades GRUPO : [E,E,E3,E4] Actvos e toro de los mlloes GRUPO : [E5,E6,E7,E8] Actvos e toro de los mlloes Procesos de estadarzacó: Putuacoes Z. Rago. Rago 0 a. 64
65 8. Aálss Cluster 8.3 Estadarzacó de los datos Ejemplo 8.6 Matrz de dstacas Dstaca euclídea Caso :E :E 3:E3 4:E4 5:E5 6:E6 7:E7 8:E8 :E,000,86,86,675,639,58,87,889 :E,86,000,048,86,767,639,87,87 3:E3,86,048,000,86,87,889,639,780 4:E4,675,86,86,000,87,87,504,639 5:E5,639,767,87,87,000,86,86,048 6:E6,58,639,889,87,86,000,675,86 7:E7,87,87,639,504,86,675,000,86 8:E8,889,87,780,639,048,86,86,000 GRUPO : E y E GRUPO : E3 y E4 GRUPO 3: E5 y E6 GRUPO 4: E7 y E8 65
66 8. Aálss Cluster 8.4 Formacó de los grupos: Clusters jerárqucos y o jerárqucos 8.4. Clusters jerárqucos (A) Método de agrupacó de cetrodes Ejemplo 8.7 dstaca euclídea al cuadrado Caso :E :E 3:E3 4:E4 5:E5 6:E6 7:E7 8:E8 :E :E :E :E :E :E :E :E Observacoes más cercaa: E3 y E4 (dstaca3) Grupo E3-4 Calculo del cetrode de E3-4: 0 + Publcdad de E Vetas de E3-4 3,5 66
67 8. Aálss Cluster 8.4 Formacó de los grupos: Clusters jerárqucos y o jerárqucos 8.4. Clusters jerárqucos Ejemplo 8.7 (Cotuacó) Datos actualzados: Nombre Empresa Iversó e publcdad Vetas E 6 0 E 4 E3-4 3,5 E E E E
68 8. Aálss Cluster 8.4 Formacó de los grupos: Clusters jerárqucos y o jerárqucos 8.4. Clusters jerárqucos Ejemplo 8.7 (Cotuacó) Matrz de dstacas actualzadas dstaca euclídea al cuadrado Caso :E :E 3:E3-4 4:E4 5:E5 6:E6 7:E7 8:E8 :E,0 3,0 07,3 4,0 84,0 8,0 066,0 445,0 :E 3,0,0 9,3,0 05,0 445,0 0,0 63,0 3:E3-4 07,3 9,3,0 3,3 338,3 593,3 58,3 533,3 4:E4 4,0,0 3,3,0 34,0 544,0 089,0 448,0 5:E5 84,0 05,0 338,3 34,0,0 50,0 5,0 34,0 6:E6 8,0 445,0 593,3 544,0 50,0,0 5,0 44,0 7:E7 066,0 0,0 58,3 089,0 5,0 5,0,0 9,0 8:E8 445,0 63,0 533,3 448,0 34,0 44,0 9,0,0 ( ) ( ) DE, E ,5 07,3 Próxma uó E7-E8 68
69 8. Aálss Cluster 8.4 Formacó de los grupos: Clusters jerárqucos y o jerárqucos 8.4. Clusters jerárqucos Ejemplo 8.7 (Cotuacó) Etapa Coglomerado que se comba Hstoral de coglomeracó Etapa e la que el coglomerado aparece por prmera vez Coglom erado Coglom erado Coefcetes Coglom erado Coglom erado Próxma etapa 3 4 3, , , , , , , E las cuatro prmeras etapas se fusoa empresas dvduales. E la etapa 5 se fusoa dos grupos E- y E3-4, auque estos aparece etquetados co el ombre de uo solo de sus tegrates (E- se represeta por, E3-4 se represeta por 3). La columa de coefcetes refleja las dstacas a las que estaba los grupos que se va fusoado e cada etapa. 69
70 8. Aálss Cluster 8.4 Formacó de los grupos: Clusters jerárqucos y o jerárqucos 8.4. Clusters jerárqucos Ejemplo 8.7 (Cotuacó) * * * H I E R A R C H I C A L C L U S T E R A N A L Y S I S * * * Dedrogram usg Cetrod Method Rescaled Dstace Cluster Combe C A S E Label Num E3 3 òûòòòø E4 4 ò ùòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòø E òûòòò ó E ò ó E7 7 òûòòòòòø ó E8 8 ò ùòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòò E5 5 òûòòòòò E6 6 ò 70
71 8. Aálss Cluster 8.4 Formacó de los grupos: Clusters jerárqucos y o jerárqucos 8.4. Clusters jerárqucos (B) Método del veco más cercao (vculacó smple) Ejemplo 8.8 Hstoral de coglomeracó Etapa Coglomerado que se comba Etapa e la que el coglomerado aparece por prmera vez Coglom Coglom Coglom Coglom Próxma erado erado Coefcetes erado erado etapa 3 4 3, , , , , , ,
72 8. Aálss Cluster 8.4 Formacó de los grupos: Clusters jerárqucos y o jerárqucos 8.4. Clusters jerárqucos Ejemplo 8.8 (Cotuacó) 30,00 E8 5,00 E4 E7 E3 Vetas 0, ,00 E E ,00 E E Iverso 7
73 8. Aálss Cluster 8.4 Formacó de los grupos: Clusters jerárqucos y o jerárqucos 8.4. Clusters jerárqucos (C) Método del veco más lejao (vculacó completa) Ejemplo 8.9 Hstoral de coglomeracó Etapa Coglomerado que se comba Etapa e la que el coglomerado aparece por prmera vez Coglom Coglom Coglom Coglom Próxma erado erado Coefcetes erado erado etapa 3 4 3, , , , , , ,
74 8. Aálss Cluster 8.4 Formacó de los grupos: Clusters jerárqucos y o jerárqucos 8.4. Clusters jerárqucos Ejemplo 8.9 (Cotuacó) 30,00 E8 5,00 E4 E7 E3 Vetas 0, ,00 E 7 E ,00 E E Iverso 74
75 8. Aálss Cluster 8.4 Formacó de los grupos: Clusters jerárqucos y o jerárqucos 8.4. Clusters jerárqucos (D) Método de la vculacó promedo (vculacó tergrupos) Ejemplo 8.0 Etapa Coglomerado que se comba Hstoral de coglomeracó Etapa e la que el coglomerado aparece por prmera vez Coglom Coglom Coglom Coglom Próxma erado erado Coefcetes erado erado etapa 3 4 3, , , , , , , Etapa 5: Observ. Dstaca Meda E, E3 80 E, E4 4 E, E3 68 5,5 E, E4 75
76 8. Aálss Cluster 8.4 Formacó de los grupos: Clusters jerárqucos y o jerárqucos 8.4. Clusters jerárqucos Seleccó del úmero de coglomerados de la solucó Dedograma Tasas de varacó etre los coefcetes de coglomeracó obtedos e etapas sucesvas Etapa Observacoes Grupos Nº que se fusoa Resultates grupos Coefcete Tasa de Varacó [E3,E4] [E3,E4],E,E,E5,E6,E7,E8 7 6,5,3 [E7,E8] [E3,E4][E7,E8],E,E,E5,E6 6 0,76 3 [E,E] [E,E][E3,E4][E7,E8],E5,E ,67 4 [E5,E6] [E,E][E3,E4][E5,E6][E7,E8] 4 6,7 5 [E,E][E3,E4] [E,E,E3,E4][E5,E6][E7,E8] 3 03,3 0,89 6 [E5,E6][E7,E8] [E,E,E3,E4][E5,E6,E7,E8] 385,5 6,3 7 [E,E,E3,E4][E5,E6,E7,E8] [E,E,E3,E4,E5,E6,E7,E8] 84 - T 6,5, 3 6,5 76
77 8. Aálss Cluster 8.4 Formacó de los grupos: Clusters jerárqucos y o jerárqucos 8.4. Clusters o jerárqucos A. Seleccó de los cetrodes cales Aspectos a teer e cueta e la eleccó de los cetrodes cales:. El vestgador propoe los cetrodes cales.. S éste o está seguro, u posble camo es realzar u aálss jerárquco y observar el dedograma. 3. S o se tee gua dea preva, el SPSS (u otros paquetes estadístcos) los seleccoa. B. Asgacó de observacoes a grupos (cluster) C. Se recalcula los cetrodes D. Se aplca crtero de covergeca 77
78 8. Aálss Cluster 8.4 Formacó de los grupos: Clusters jerárqucos y o jerárqucos 8.4. Clusters o jerárqucos Formacó de los grupos (MÉTODO DE LAS K-MEDIAS). Calcular la dstaca de cada observacó a los cetrodes cales calculados e la fase ateror. Cada observacó se asga al coglomerado al que esté más cercao (utlzado dstacas eucldeas). Iversó Vetas Dstacas Cetrode Dstacas Cetrode Coglomerado asgado E ,37 5,5 E 4 38,0 E3 0 40,6 3,6 E4 5 39,9 0 E ,07 36,5 E ,9 E7 45 5,8 33 E ,05 78
79 8. Aálss Cluster 8.4 Formacó de los grupos: Clusters jerárqucos y o jerárqucos 8.4. Clusters o jerárqucos Formacó de los grupos (MÉTODO DE LAS K-MEDIAS). Ua vez efectuada la asgacó de observacoes a coglomerados, se recalcula los cetrodes Cetrodes cales Cetrodes fales Coglomerado Publcdad Vetas Publcdad Vetas ,5 9,5 5,5 7, ,5 9, ,5 7,
80 8. Aálss Cluster 8.4 Formacó de los grupos: Clusters jerárqucos y o jerárqucos 8.4. Clusters o jerárqucos Formacó de los grupos (MÉTODO DE LAS K-MEDIAS) 3. Se repte el paso clasfcado cada observacó e el coglomerado del que dsta meos. El proceso se detee cuado o se produce gua reasgacó de observacoes a coglomerados o hasta que se alcace u determado úmero de teracoes que se puede establecer como opcó al ejecutar el aálss. Iversó Vetas Dstacas Dstacas Coglomerado Cetrode Cetrode asgado E 6 0 3,83 8,50 E 4 35,89 3,78 E3 0 37,60 4,93 E4 5 35,96 7,7 E ,58 33,4 E ,93 37,60 E ,7 33,30 E ,4 38,6 80
81 8. Aálss Cluster 8.4 Formacó de los grupos: Clusters jerárqucos y o jerárqucos 8.4. Clusters o jerárqucos Formacó de los grupos (MÉTODO DE LAS K-MEDIAS) SALIDAS DEL SPSS: Cetros cales de los coglomerados Coglomerado Iversó 50 Vetas 5 5 d (47,5 50) + (9, 5 5) 4,93 d (50 ) + (5 5) 39, 9 Hstoral de teracoes(a) Cambo e los cetros de los coglomerados Iteracó 4,93 7,67,000,000 a Se ha logrado la covergeca debdo a que los cetros de los coglomerados o preseta gú cambo o éste es pequeño. El cambo máxmo de coordeadas absolutas para cualquer cetro es de,000. La teracó actual es. La dstaca míma etre los cetros cales es de 39,94. 8
82 8. Aálss Cluster 8.4 Formacó de los grupos: Clusters jerárqucos y o jerárqucos 8.4. Clusters o jerárqucos Formacó de los grupos (MÉTODO DE LAS K-MEDIAS) SALIDAS DEL SPSS: Perteeca a los coglomerados Cetros de los coglomerados fales Nº de caso Coglomerado Dstaca E 8,504 E 3,783 3 E3 4,93 4 E4 7,67 5 E5 9,58 6 E6 4,93 7 E7 6,70 8 E8 8,43 Coglomerado Iversó 47,50,50 Vetas 9,5 7,75 8
83 8. Aálss Cluster 8.4 Formacó de los grupos: Clusters jerárqucos y o jerárqucos 8.4. Clusters o jerárqucos Formacó de los grupos (MÉTODO DE LAS K-MEDIAS) ANOVA Coglomerado SALIDAS DEL SPSS: Error Meda Meda gl cuadrátca gl cuadrátca F Sg. Iversó 450,000 7, ,09,000 Vetas 4,500 56,97 6,079,788 Las pruebas F sólo se debe utlzar co ua faldad descrptva puesto que los coglomerados ha sdo elegdos para maxmzar las dferecas etre los casos e dferetes coglomerados. Los veles crítcos o so corregdos, por lo que o puede terpretarse como pruebas de la hpótess de que los cetros de los coglomerados so guales. 83
84 9. Compoetes prcpales 9. Itroduccó La utldad de la técca de compoetes prcpales es doble:. Por u lado, el aálss de compoetes prcpales permte resumr de forma óptma la formacó proporcoada por las varables orgales medate las compoetes.. Permte trasformar las varables orgales, e geeral correladas (solapameto e la formacó), e uevas varables correladas, facltado la terpretacó de los datos. 84
85 9. Compoetes prcpales 9. Compoetes prcpales Sea S la matrz de covaraza asocada co el vector aleatoro X [ X, X,..., ] '. Supogamos que S tee pares de valores y vectores propos (, ),(, ),...,( p, p ) λ φ λ φ λ φ dode λ λ λ 0. La -ésma compoete prcpal está dada por co esta eleccó p φ φ φ φ ' Y X X + X + + p X p,,,..., p ' Var( Y ) φsφ λ,,,..., p Cov Y Y S k ' (, k ) φ φk 0, X p 85
86 9. Compoetes prcpales 9. Compoetes prcpales Sea ' ' ' Y φ X, Y φ X,..., Yp φp X las compoetes prcpales. Etoces p s + s + + s Var( X ) λ + λ + + λ Var( Y ). pp p La proporcó de la varaza total explcada por la k -esma compoete prcpal es λk, k,,..., p λ + + λ p p el coefcete de correlacó etre la compoete Y y la varable X k es: φk λ ry,,,,,..., X k p k s kk 86
87 9. Compoetes prcpales 9. Compoetes prcpales Ejemplo9. x ; S S λi λ. λ λ λ 3λ λ.67 y λ 0.33 ( S λ I ) φ φ +.0φ 0.0φ.57φ φ φ φ..57 φ φ.43 φ. 0.8 φ + φ φ
88 9. Compoetes prcpales 9. Compoetes prcpales X X Y φ ' ( ) 0.8X X X Y ( ) 0.57X + 0.8X X X X 88
89 9. Compoetes prcpales 9. Compoetes prcpales S ; S Y r x x s ( X ). s ( X ) s ( X ) ( ) Var( X ) tr S Var( Y ) tr( S ) λ Y x λ.67 λ + λ r φ λ φ λ r 0.89 s.9 s. Y, X Y, X 89
90 9. Compoetes prcpales 9. Compoetes prcpales Estadístcos descrptvos Desvacó Meda típca N del aálss VAR0000 3,5000, VAR0000 3,5000, Varaza total explcada Compoete Autovalores cales(a) Total % de la varaza % acumulado Bruta,670 89,06 89,06,330 0,984 00,000 Método de extraccó: Aálss de Compoetes prcpales. Matrz de compoetes(a) Bruta Compoete Reescalada Compoete VAR0000,338,97 VAR0000,938,894,338 0,938 φ 0,8 φ 0,57,67,67 90
91 9. Compoetes prcpales 9.. Compoetes prcpales a partr de varables estadarzadas Z ( X µ ) [ ] 0 s E Z Cov( Z) R p Var( Y ) p Var( Z ) p ry, Z φk λ,, k,..., p k λ k p 9
92 9. Compoetes prcpales 9.. Compoetes prcpales a partr de varables estadarzadas 4 S R 0.4. ( ) ' λ 00.6 φ 0.040, S : ' λ 0.84 φ 0.999, ( ) S : Y X X Y 0.999X 0.040X λ 00.6 λ + λ r Y, X r Y, X φ φ s s λ λ
93 9. Compoetes prcpales 9.. Compoetes prcpales a partr de varables estadarzadas ( ) ' λ.4 φ 0.707, R : ' λ 0.6 φ 0.707, ( ) X µ X µ Y 0.707Z Z ( X µ ) ( X µ ) R : X µ X µ Y 0.707Z 0.707Z X µ X µ r ( ) ( ) φ λ Y, Z r φ λ Y, Z λ p 93
Aproximación a la distribución normal: el Teorema del Límite Central
Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda
Más detalles7. Muestreo con probabilidades desiguales.
7. Muestreo co probabldades desguales. 7. Itroduccó. 7.. Probabldades de clusó. 7.. Pesos del dseño muestral. 7.. Alguos métodos co probabldades desguales. 7. Estmacó de la meda, proporcó total poblacoales.
Más detallesV II Muestreo por Conglomerados
V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos
Más detalles5.3 Estadísticas de una distribución frecuencial
5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor
Más detalles2. Muestreo Aleatorio Simple. 2. Muestreo Aleatorio Simple
. Muestreo Aleatoro mple. Muestreo aleatoro smple e poblacoes ftas... Meda, varaza proporcó muestrales: Propedades. Error de estmacó. Poblacó Y (, ). E V Muestra aleatora smple Y,..., Y (..d.) E V ( )
Más detallesMétodos indirectos de estimación: razón, regresión y diferencia
Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó
Más detallesSoluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II
Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes
Más detallesMUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:
A. Morllas - p. - MUESTREO E POBLACIOES FIITAS () Dos aspectos báscos de la fereca estadístca, o vstos aú: Proceso de seleccó de la muestra Métodos de muestreo Tamaño adecuado e poblacoes ftas Fabldad
Más detallesModelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión
Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la
Más detallesLa inferencia estadística es primordialmente de naturaleza
VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la
Más detallesMEDIDAS DE TENDENCIA CENTRAL
Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes
Más detallesTEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx
TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la
Más detallesInferencia Estadística
Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,
Más detallesCAPÍTULO 3 METODOLOGÍA. El objetivo del capítulo 3 es conocer la metodología, por lo cual nos apoyaremos en el
CAPÍTULO 3 METODOLOGÍA El objetvo del capítulo 3 es coocer la metodología, por lo cual os apoyaremos e el lbro de Smulato modelg ad Aalyss (Law, 000), para estudar alguas pruebas de bodad de ajuste. També
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado e Geomátca y Topografía Escuela Técca Superor de Igeeros e Topografía, Geodesa y Cartografía. Uversdad Poltécca de Madrd Capítulo
Más detallesEstadística Descriptiva
Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u
Más detallesESTADÍSTICA poblaciones
ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:
Más detallesCONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA
CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA Atoo Morllas A. Morllas: C. o paramétrcos (I 1 CONTRASTES NO PARAMÉTRICOS: BONDAD DE AJUSTE Y TABLAS DE CONTINGENCIA Ifereca realzada
Más detallesC URVA DE L ORENZ C OEFICIENTE DE D ESIGUALDAD DE G INI
TESIS DESARROLLO REIONAL C URVA DE L ORENZ C OEFICIENTE DE D ESIUALDAD DE INI D OCUMENTO A UXILIAR N DANIEL CAUAS - 5 JUN 203 LA CURVA DE LORENZ La curva de Lorez (Corado Lorez 905), es u recurso gráfco
Más detallesCuándo empezó la Estadística? 1.1. El concepto de Estadística. Qué es y para qué sirve?
1.1. El cocepto de Estadístca. Qué es y para qué srve? La Estadístca se ocupa de la recoleccó, agrupacó, presetacó, aálss e terpretacó de datos. A meudo se llama estadístcas a las lstas de estos datos,
Más detalles3. La distribución normal multivariada
3. La dstrbucó ormal multvarada Por qué es mportate la dstrbucó ormal multvarada? o Muchas de las téccas multvaradas supoe que los datos fuero geerados de ua dstrbucó ormal multvarada. o E la vda real
Más detallesModelos de Regresión Simple
Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable
Más detalles( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.
Propedades Estadístcas de los estmadores MICO Lealdad ) y Y Y Y Y = = = β Y Dado que la = 0 etoces β =.) S defmos el poderador k =, co las propedades sguetes: a) No estocástco b) k = 0 c) k = k d) = kx
Más detallesIntroducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff
Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable
Más detalles1. Introducción 1.1. Análisis de la Relación
. Itroduccó.. Aálss de la Relacó Ejemplos: Relacoes fucoales de terés Redmeto Doss de fertlzate Redmeto hortícola Desdad de platacó Volume de madera a cortar Desdad de platacó Catdad de suplemeto dado
Más detallesTema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.
Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.
Más detallesNociones de Estadística
Químca Aalítca Prof. Aa Galao Jméez Nocoes de Estadístca Las medcoes tee sempre asocadas u error expermetal (herete a la resolucó del equpameto empleado, a errores aleatoros y/o a errores sstemátcos).
Más detallesParte 3. Técnicas de muestreo
PROFESOR: UIS E. IETO BARAJAS Parte 3. Téccas de muestreo 3. Itroduccó al muestreo Es posble determar co certa precsó (error) las característcas de ua poblacó (fta) a partr de los resultados obtedos e
Más detallesMODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU
MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar
Más detallesREGRESIÓN LINEAL SIMPLE
RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó
Más detallesEstadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo
Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos
Más detallesProbabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C
Los axomas de la probabldad obabldad El prmer paso para descrbr la certdumbre es cosderar el cojuto de posbles resultados obtedos a partr de u expermeto aleatoro. Este cojuto es llamado espaco muestral
Más detallesTEMA 6 MUESTREO POR CONGLOMERADOS MONOETÁPICO
TEA 6 UESTREO POR COGLOERADOS OOETÁPICO Cotedo 1- Defcó. Aplcacó. Seleccó de ua muestra por Coglomerados. Etapas. otacó. - uestreo mooetápco co coglomerados de gual tamaño. Estmacó de la meda, el total
Más detallesGRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A
Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto
Más detallesEvolución buena 0,7 0,3 Evolución mala 0,2 0,8 Cuál es el valor máximo de esta información?
APELLIDOS: DNI: EXAMEN DE TÉCNICAS CUANTITATIVAS III. NOMBRE: GRUPO: E todos los casos, cosdere u vel de cofaza del 95% (z=).. U empresaro quere estmar el cosumo mesual de electrcdad e ua comudad de 000
Más detallesAnálisis de Regresión y Correlación Lineal
Aálss de Regresó y Correlacó Leal Dr. Pastore, Jua Igaco Profesor Adjuto. Aálss de Regresó y Correlacó Leal Hasta ahora hemos cetrado uestra atecó prcpalmete e ua sola varable de respuesta umérca o e seres
Más detallesCONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN
INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES
Más detallesMATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades
MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS
Más detallesAnálisis de Regresión
Aálss de Regresó Ig. César Augusto Zapata Urqujo Ig. José Alejadro Marí Del Río Facultad de Igeería Idustral Uversdad Tecológca de Perera 0-05 Modelo de Regresó Leal Smple Y Dados A (, ) =,,. Gráfco o
Más detallesUNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO 1
ESCUELA UNIVERSITARIA DE TÉCNICA INDUSTRIAL UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO La sguete tabla muestra la ota fal e los exámees de estadístca (E) e vestgacó operatva (IO) de ua
Más detallesEstadística Descriptiva
Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.
Más detallesUna Propuesta de Presentación del Tema de Correlación Simple
Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:
Más detallesLos Histogramas. Histograma simple
Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras
Más detallesGRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C
Febrero 010 EAMEN MODELO C Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 6011037 FEBRERO 010 EAMEN MODELO C 1 80 5 3 8 4 1 5 6 6 7 1,0 1,47 38-40 18 35-37 36 3-34 5 9-31 46 6-8
Más detallesRegresión - Correlación
REGRESIÓN Regresó - Correlacó Aálss que requere la cosderacó de o más varables cuattatvas e forma smultáea. Aálss de Regresó: estuda la relacó fucoal de ua o más varables respecto de otra Aálss de Correlacó:
Más detallesAplicación de Boostrapping en Regresión I
Aplcacó de Boostrappg e Regresó I U modelo de regresó leal basado e observacoes (x,y ) es de la forma y =x β+e (=,,..) dode y so los valores observados de la varable de respuesta y, y los x so vectores
Más detallesEn este capítulo 5 estudiaremos una serie de conceptos básicos, y que serán fundamentales para el posterior desarrollo de la inferencia estadística.
TEMA 5. Muestreo y dstrbucoes e el muestreo Nuestro objetvo fudametal es saber qué modelo va a segur la poblacó, y para ello haremos uso de la formacó que obtegamos de ua parte de esa poblacó llamada muestra.
Más detallesI. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS
Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2
Más detallesMUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1
MUESTREO E POBLACIOES FIITAS Atoo Morllas Coceptos estadístcos báscos Etapas e el muestreo 3 Tpos de error 4 Métodos de muestreo 5 Tamaño de la muestra e fereca 6 Muestreo e poblacoes ftas 6. Muestreo
Más detallesPARTE SEGUNDA: INFERENCIA ESTADÍSTICA
ESTADÍSTICA II PARTE SEGUNDA: INFERENCIA ESTADÍSTICA TEMA III: INTRODUCCION A LA INFERENCIA III..- Itroduccó III..- La eleccó de la muestra. Tpos de muestreo III.3.- Muestreo aleatoro smple. Estadístcos
Más detallesSupongamos que hemos aplicado el test F y hemos rechazado la H0.
Comparacó de medas tomadas de a pares CONDICION Meda s --------- ---------- ------ ---------- 0.00 3.0000 0.00 3.73 3 97.00 3.0000 4 93.00.44 TOTAL 98.73.6036 Supogamos que hemos aplcado el test F y hemos
Más detallesal nivel de significación α P6: Conclusión: Se debe interpretar la decisión tomada en Paso 5.
5. NÁLISIS DE VRINZ CONTENIDOS: OBJETIVOS: 5... Prueba de aálss de varaza. 5.. Comparacoes múltples. Determar los pasos a segur al realzar ua prueba de aálss de varaza Platear hpótess para la prueba de
Más detallesAGRO Examen Parcial 1
AGRO 5005 009 Exame Parcal Nombre: Istruccoes: Por favor lea los eucados y las pregutas cudadosamete. Se puede usar el lbro las tablas de dstrbucó ormal la hoja de fórmulas provsta y la calculadora. Para
Más detallesUNIDAD DIDÁCTICA 13: Estadística Descriptiva
Utat d accés accés a la uverstat dels majors de 5 ays Udad de acceso acceso a la uversdad de los mayores de 5 años UNIDAD DIDÁCTICA 13: Estadístca Descrptva ÍNDICE: DESARROLLO DE LOS CONTENIDOS 1 Itroduccó
Más detallesV Muestreo Estratificado
V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,
Más detallesCalificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados
EAMEN MODELO A Pág. 1 INTRODUCCIÓN AL ANÁLII DE DATO FEBRERO 018 Códgo asgatura: 6011037 EAMEN TIPO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo) Calfcacó
Más detallesBASES ESTADÍSTICAS EN LA ESTIMACIÓN Y LA PROYECCIÓN PRODUCTIVA. M.Sc. Fabio A. Blanco Rojas Berufweiss S.A.
BASES ESTADÍSTICAS EN LA ESTIMACIÓN Y LA PROYECCIÓN PRODUCTIVA M.Sc. Fabo A. Blaco Rojas Berufwess S.A. Porque la terra será llea del coocmeto de Jehová, como las aguas cubre el mar Isaías 11:9 Temas a
Más detallesTema 2. Muestreo Aleatorio Simple Contenido
Tema. Muestreo Aleatoro Smple Cotedo 1) Defcó, seleccó otacó ) Estmadores de la meda el total. Propedades. Varazas error de estmacó. Límtes de cofaza. 3) Muestreo smple co resttucó 4) Estmadores de la
Más detallesNOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD
NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos
Más detallesEXAMEN DE MATEMÁTICAS APLICADAS I Temas 12 a 15
1 EXAMEN DE MATEMÁTICAS APLICADAS I Temas 1 a 15 1. Ocho persoas, co smlar destreza e mecaografía, teclearo 0 líeas de teto e u ordeador. El tempo empleado, e mutos, el úmero de errores cometdos, fuero:
Más detallesMEDIDAS DE CENTRALIZACIÓN
Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca
Más detalles4. SEGUNDO MÓDULO. 4.1 Resumen de Datos
4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato
Más detallesPRÁCTICA 13: PRUEBA DE HIPÓTESIS DE BONDAD DE AJUSTE E INDEPENDENCIA
PRÁCTICA 3: PRUEBA DE HIPÓTESIS DE BONDAD DE AJUSTE E INDEPENDENCIA E ocasoes ocurre que el ecargado de hacer u trabajo estadístco o está seguro de la dstrbucó de ua determada varable aleatora. Para solucoar
Más detallesVARIABLES ESTADÍSTICAS UNIDIMENSIONALES.
CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.
Más detallesEn esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )
Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo
Más detallesCurso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple
1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular
Más detallesEstadística Contenidos NM 4
Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:
Más detallesRELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental.
RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN Los métodos de regresó se usa para estudar la relacó etre dos varables umércas. Este tpo de problemas aparece co frecueca e el
Más detalles3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna
arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que
Más detallesSEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS PROBABILIDAD ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE 009- DURACIÓN
Más detallesRespuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:
Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,
Más detalles(Véase el Ejercicio 13 Beneficio de los bancos )
étodos de Regresó- Grado e Estadístca Empresa Tema 3 /3 étodos de Regresó- Grado e Estadístca Empresa Tema 3 /3 Tema 3. El modelo de regresó múltple. Hpótess báscas. El modelo. as pótess báscas. Estmacó
Más detalles4º MEDIO: MEDIDAS DE POSICIÓN
4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co
Más detallesESTADÍSTICA 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA TERMINOLOGÍA ESTADÍSTICA. Tipos de caracteres.
ESTADÍSTICA UNIDIMENSIONAL 4º E.S.O. TERMINOLOGÍA ESTADÍSTICA Ejemplo: Se quere hacer u estudo estadístco sobre el país de orge de 40 alumos de u Colego. Poblacó: Cojuto de elemetos sobre los que se realza
Más detallesGUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA
GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además
Más detallesTEMARIO DE MATEMÁTICAS [ ] III. TIPOS DE MUESTREO. TAMAÑO DE LA MUESTRA
TEMARIO DE MATEMÁTICAS [07-8] TEMA 58: POBLACIÓ Y MUESTRA. CODICIOES DE REPRESETATIVIDAD DE UA MUESTRA. TIPOS DE MUESTREO. TAMAÑO DE UA MUESTRA. I. POBLACIÓ Y MUESTRA II. REPRESETACIÓ DE UA MUESTRA III.
Más detallesTest de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa
Error tpo I: Rechazar H sedo H Verdara Test Hpótess Error tpo II: No rechazar H sedo H Falsa Nvel Sgfcacó: = P(error tpo I = P(Rechazar H sedo H Verdara Probabldad error tpo II: = P(error tpo II = P(No
Más detallesQué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN
Qué es ESADISICA? Es u couto de la rama de las Matemátcas Es algo aburrdo que mplca u motó de cuetas 3 Es u couto de téccas que se puede usar para probar cualquer cosa 4 Es u couto de coocmetos téccas
Más detallesDefinición La distribución de probabilidad de un estadístico recibe el nombre de distribución muestral. La distribución muestral de un estadístico
V. Muestreo V.. Dstrbucoes de Muestreo Defcó La dstrbucó de probabldad de u estadístco recbe el ombre de dstrbucó muestral. La dstrbucó muestral de u estadístco depede del tamaño de la poblacó, del tamaño
Más detallesLECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS
Uversdad Católca Los Ágeles de Cmbote LECTURA 0: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS TEMA : DISTRIBUCIONES DE FRECUENCIAS: DEFINICIÓN Y CLASIFICACIÓN
Más detallesObjetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética
Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado
Más detallesRegresión lineal simple
Descrpcó breve del tema Regresó leal smple Tema. Itroduccó. El modelo de regresó smple 3. Hpótess del modelo Lealdad, homogeedad, homocedastcdad, depedeca ormaldad 4. Estmacó de los parámetros Mímos cuadrados,
Más detallesOrden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.
Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra
Más detalles4 METODOLOGIA ADAPTADA AL PROBLEMA
4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor
Más detallesERRORES EN LAS MEDIDAS (Conceptos elementales)
ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas
Más detallesExperimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS
Epermeto: I. OJETIVOS UNIVERSIDD DE TM Facultad de ecas Naturales Departameto de Físca TEORÍ DE ERRORES Idetfcar errores sstemátcos y accdetales e u proceso de medcó. ompreder los coceptos de eacttud y
Más detalles1 Estadística. Profesora María Durbán
Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el
Más detallesCalificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados
eptembre 013 EAMEN MODELO B ág. 1 INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 013 Códgo asgatura: 6011037 EAMEN TIO TET MODELO B DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora o programable
Más detallesTEMAS CUESTIONARIO DE AUTOEVALUACIÓN
TEMAS 1-2-3 CUESTIOARIO DE AUTOEVALUACIÓ 2.1.- Al realzar los cálculos para obteer el Ídce de G se observa que: p 3 > q 3 y que p 4 >q 4 etoces: La prmera desgualdad es falsa y la seguda certa. La prmera
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN Feradez Departameto de Matemátcas Uversdad de Puerto Rco Recto Uverstaro de Mayagüez REGRESIÓN LINEAL SIMPLE Regresó: cojuto de téccas que so usadas para establecer ua relacó etre
Más detallesGENERALIDADES ESTADISTICA DESCRIPTIVA
MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MEDIDS DE TEDECI CETRL MEDI RITMETIC Defcó: Es la suma de todos los datos de ua sere dvdda por su úmero Cálculo:
Más detallesEl valor en el que se estabilizan las proporciones se le conceptualiza como la probabilidad
Regulardad estadístca. E vrtud de la gra varabldad de muchos procesos, se recurre al estudo del comportameto e grades cojutos de elemetos. Se busca captar los aspectos sstemátcos o los aleatoros. Se pretede
Más detalles-Métodos Estadísticos en Ciencias de la Vida
-Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable
Más detallesPráctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:
PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula
Más detallesINTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA
INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}
Más detallesColegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA
Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.
Más detallesAnálisis de Regresión y Correlación Lineal
Aálss de Regresó y Correlacó Leal 2do C. 2018 Mg. Stella Fgueroa Clase Nº 14 Tpos de relacoes etre varables Exste u compoete aleatoro por lo que las predccoes tee asocado u error de predccó. Modelo determsta
Más detallesEJERCICIOS RESUELTOS TEMA 3.
INTRODUCCIÓN AL ANÁLII DE DATO EJERCICIO REUELTO TEMA 3. 3.1. La ampltud total de la dstrbucó de frecuecas de la tabla 1. es: A) 11; B) 1; C). Tabla 1. Estatura e cetímetros de ños de 1 meses de edad.
Más detallesPyE_ EF1_TIPO2_
SEMESTRE 9- TIPO DURACIÓN MÁIMA.5 HORAS JUNIO DE 9 NOMBRE. "Scram" es el térmo que utlza los geeros ucleares para descrbr u rápdo cerre de emergeca de u reactor uclear. La dustra uclear ha hecho esuerzos
Más detalles