TABLAS DE CONTINGENCIA. IGNACIO MÉNDEZ GÓMEZ-HUMARÁN
|
|
- Juan Cabrera Fuentes
- hace 7 años
- Vistas:
Transcripción
1 TABLAS DE CONTINGENCIA IGNACIO MÉNDEZ GÓMEZ-HUMARÁN
2 El uso de Tablas de Cotigeia permite estudiar la relaió etre dos variables ategórias o riterios de lasifiaió. E ua Tabla, los regloes represeta las ategorías de u riterio y las olumas las ategorías del otro. Refereia: Everitt, B. S. 977 The Aalysis of Cotigey Tables, Halsted Press, 8 pp.
3 Por ejemplo, u riterio de lasifiaió podría ser los igresos auales por familia e ierta iudad y el otro riterio las zoas dode vive las familias de diha iudad. INGRESOS ZONAS Bajo Medio Alto Total A 3. B 3. C D Total...3..
4 Si los igresos auales por familia y las zoas dode vive so idepedietes, etoes e todas las zoas de la iudad viviría e las mismas proporioes familias de bajos, medios y altos igresos. U uadro ualquiera de la tabla, otiee las freueias de familias lasifiadas de auerdo o los riterios de las dos ategorías. Esto sigifia que ada uadro esta formado por la iteraió del ivel i-ésimo de u riterio o el ivel j-ésimo del otro riterio, esto se ooe omo elda.
5 Los totales margiales para ada riterio so: Suma de las eldas de los regloes: i. j Suma de las eldas de las olumas: r. j i
6 El gra total es: que deberá ser igual al úmero total de elemetos e la muestra. r i j j i j r i....
7 Prueba (Ji-uadrada) para idepedeia Si se deota por O las freueias observadas e ua muestra y por E las freueias esperadas. El estadístio de Pearso es: r i j O E E o (r-)(-) grados de libertad.
8 Prueba (Ji-uadrada) para idepedeia Si dos evetos so idepedietes, etoes la probabilidad de ua iterseió de evetos es el produto de sus probabilidades. Si supoemos que los iveles de u riterio so idepedietes de los iveles del otro riterio, etoes los valores esperados será: E p i p i.. j.. j i.. j supoe ierta la hipótesis de ulidad Ho: p pi. p. j
9 Criterio de Razó de Verosimilitud U método altero para obteer el estadístio, para omparar las freueias observadas o las esperadas bajo ua hipótesis partiular, es la L de Razó de Verosimilitud; el estadístio de prueba e este aso es: L r i j O LN O E que tambié tiee ua distribuió uado la hipótesis ula es ierta, los grados de libertad so los mismos que la de Pearso.
10 Pearso vs Razó de Verosimilitud Es posible demostrar que es aproximadamete igual a L para muestras grades. Si embargo, alguos autores muestra que, e geeral, L es preferible a por lo que se reomieda su utilizaió. Para ambas pruebas se requiere que los valores esperados sea mayores a 5 e todas las eldas, de lo otrario sus resultados o so válidos.
11 Aálisis de residuales U proedimieto útil para idetifiar las ategorías que ifluye e forma sigifiativa e los valores de la, es el aálisis de los residuales, d, dados por: d O E E El estimador de la variaza de los valores z es: v i.. j
12 Aálisis de residuales Fialmete, para ada elda de la tabla de otigeia se alula los residuales estadarizados, z, que so: z d v Cuado las variables osideradas e la tabla de otigeia so idepedietes, los térmios preseta ua distribuió ormal (aprox.) o media ero y variaza uo. Los valores se otrasta o u valor de z de la distribuió ormal estádar para u ivel de ofiaza dado. Si represeta ua iflueia e la depedeia etre las variables, se espera que sea superiores al valor de z e valor absoluto.
13 Tablas de Cotigeia x Es muy omú que se presete asos dode se tiee tablas de otigeia o dos ategorías para ada variable. E forma geeral, para tablas x se ha utilizado la omelatura que se preseta e el siguiete uadro: Fator efeto Fator Causal Si No Total Si a b No d Total m m Estas tablas so muy utilizadas estudiar el riesgo o iideia de que ourra el efeto etre las poblaioes, dada la odiió llamada ausa. E éstos asos las medidas relativas de ourreia so muy utilizadas.
14 Prueba Exata de Fisher (Tablas x) La prueba Exata de Fisher usa la distribuió de probabilidad exata de los valores observados. Si tomamos los totales margiados omo fos, etoes tedremos ua distribuió de probabilidad Hipergeométria. Si osideramos que dos variables so idepedietes, etoes la probabilidad de obteer u arreglo partiular será:!! m! m! P a! b!! d!! La probabilidad exata se otrasta o el valor de α elegido a priori. Si el valor de P es meor que α se rehaza la hipótesis ula y se osidera que existe asoiaió sigifiativa etre las variables.
15 Tasas de Iideia E estudios omparativos de ausa a efeto usualmete se ompara dos poblaioes, ua o el fator ausal (expuesta) y la otra si el (o expuesta). Las tasas de iideia estimadas a partir de ua tabla de otigeia so: expuestos (P(efeto ausa) es: p a o expuestos (P(efeto o ausa) es: p Que represeta las probabilidades margiales del efeto o respeto a la ausa.
16 Riesgo Relativo El riesgo relativo represeta uatas vees ourre el efeto etre la poblaió de expuestos omparado o el de o expuestos. El estimador orrespodiete es: R p p a Si R es diferete de la uidad se die que existe asoiaió etre la ausa y el efeto, si R >, se die que existe ua asoiaió positiva; si R <, se die que existe asoiaió egativa.
17 Riesgo Atribuible Esta medida represeta la proporió absoluta de ambio; es deir, el iremeto o la dismiuió e la probabilidad de ourreia del efeto debido a la exposiió al fator ausal. Es la difereia etre las tasas de iideia etre la poblaió de expuestos y la de o expuestos, que es: p p E estudios omparativos de efeto a ausa las estimaioes de las tasas de iideia y el riesgo relativo y riesgo atribuible o so validas, pues las fraioes de muestreo o que se obtiee a y so diferetes de las fraioes o que se obtiee y.
18 Razó de Momios (Odds Ratio) La razó de momios es otra medida de asoiaió etre el fator ausal y el efeto, que esta muy relaioada o el riesgo relativo. Si u eveto ourre o probabilidad p, y si q = - p, etoes la razó es llamada momio del eveto (Odd). Si p es la tasa de iideia del efeto etre la poblaió de expuestos, etoes expuestos, y su estimador es: p q p q es el momio del efeto etre a b a b
19 Razó de Momios (Odds Ratio) Igualmete, si p es la tasa de iideia del efeto etre los o expuestos, p q expuestos y se estima por: es el momio del efeto etre o d d
20 Razó de Momios (Odds Ratio) E estudios de ausa a efeto, la razó del momio del efeto etre expuestos, relaioada o el momio del efeto etre o expuestos, se llama razó de momios, y se represeta por: p p q q p q p q El estimador orrespodiete a la razó de momios es etoes: ˆ a b d ad b
21 Razó de Momios (Odds Ratio) E estudios de efeto a ausa (estudio de asos y otroles), tambié es posible estimar la razó de momios dado que se puede estableer los momios de exposiió etre los que tiee el efeto (asos), e este aso el estimador es: a m m el momio de exposiió de los que o tiee el efeto (otroles) el estimador orrespodiete es: a b m d m b d
22 Razó de Momios (Odds Ratio) E este aso partiular, la razó de momios estimada es etoes: ˆ a b d ad b Como podemos observar, la razó de momios de exposiió es igual a la razó de momios del efeto. Por éste motivo, la razó de momios puede estimar e todos los estudios omparativos (tato de ausa a efeto omo de efeto a ausa).
23 Itervalo de ofiaza para la Razó de Momios El itervalo de ofiaza para la razó de momios es etoes: [ ( )] ˆ e Z EE LN Dode: Z - es el oefiiete de la distribuió ormal que garatiza el ivel de ofiaza deseado, y el error estádar del logaritmo de la razó de momios es: VAR [ LN ( ˆ )] a b d
DISTRIBUCIÓN MUESTRAL DE MEDIAS.
DISTRIBUCIÓN MUSTRAL D MDIAS. Si tomamos ua muestra de tamaño de ua poblaió, obtedremos ua media para esa muestra y ua desviaió típia que o tiee por qué ser exatamete iguales a las de la poblaió ompleta
Más detallesEficiencia de algoritmos. Javier Campos
Efiieia de algoritmos Javier Campos Efiieia de algoritmos Problema de álulo: espeifiaió de ua relaió existete etre uos valores de etrada datos del problema y otros de salida resultados Eemplo: problema
Más detallesCONCEPTOS CLAVE DE LA UNIDAD 1
CONCEPTOS CLAVE DE LA UNIDAD 1 1. Proeso iterativo. La idea fudametal de u proeso iterativo osiste e lo siguiete: Dada ua o varias situaioes iiiales (etapa 1), se les aplia algua trasformaió iterativa,
Más detallesCompetencia: Objetivos.
68 UNIDAD IV PRUEBAS DE IPOTESIS Competeia -El estudiate debe utilizar orretamete las diferetes formas del protoolo para efetuar pruebas de hipótesis,tato paramétrias omo o paramétrias sobre ualquier parámetro
Más detallesAnálisis de respuesta en frecuencia
Aálisis de respuesta e freueia Co el térmio respuesta e freueia, os referimos a la respuesta de u sistema e estado estable a ua etrada seoidal. E los métodos de la respuesta e freueia, la freueia de la
Más detallesCompetencia: Objetivos.
UNIDAD IV PRUEBA DE IPOTEI Competeia: -El estudiate debe utilizar orretamete las diferetes formas del protoolo para efetuar pruebas de hipótesis,tato paramétrias omo o paramétrias sobre ualquier parámetro
Más detallesAuxiliar 12: Intervalos de Confianza
Auxiliar 12: Itervalos de Cofiaza MA3403 - Probabilidades y Estadistia Profesor: Viete Auña Auxiliares: Marti Castillo - Felipe Campos 11 de Juio, 2014 Protoolo para la ostruió de u itervalo de ofiaza
Más detallesCapítulo 3. El modelo de regresión múltiple. Jorge Feregrino Feregrino. Econometría Aplicada Utilizando R
Capítulo 3. El modelo de regresió múltiple. Jorge Feregrio Feregrio Idetificació del modelo La idetificació del objeto de ivestigació permitirá realizar ua búsqueda exhaustiva de los datos para llevar
Más detallesCálculo del poder estadístico de un estudio
Metodología de la Ivestigaió: Cálulo del oder estadístio de u estudio /8 Cálulo del oder estadístio de u estudio Autor: Pértegas Día, S. sertega@aalejo.org, Pita Feráde, S. sita@aalejo.org Uidad de Eidemiología
Más detallesUNA APROXIMACIÓN ANALÍTICA AL RIESGO DE CRÉDITO DE CARTERAS DE PRÉSTAMOS PARA ENTIDADES DE CRÉDITO ESPAÑOLAS
UNA APROXIMACIÓN ANALÍTICA AL RIESGO DE CRÉDITO DE CARTERAS DE PRÉSTAMOS PARA ENTIDADES DE CRÉDITO ESPAÑOLAS Meredes Morris Muñoz, BBVA Jua Carlos Garía Céspedes, BBVA Ágel Miguel Meía Gozález, BBVA Semiario
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 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 detallesDeterminación del tamaño de una muestra (para dos o más muestras)
STATGRAPHICS Rev. 457 Determiació del tamaño de ua muestra (para dos o más muestras) Este procedimieto determia el tamaño de muestra apropiado para estimar o realiar pruebas de hipótesis respecto a alguo
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 detallese i y i y i y i 0 1 x 1i 2 x 2i k x ki
Demostracioes de Rgresió múltiple El modelo que se platea e regresió múltiple es: y i 0 1 x 1i x i k x ki u i dode x 1, x,,x k so las variables idepedietes o explicativas. La variable respuesta depede
Más detallesCapítulo III Pruebas de hipótesis medias, varianzas, proporciones
Capítulo III Pruebas de hipótesis medias, variazas, proporioes Itroduió Co muha freueia el propósito de la ivestigaió va más allá de desribir el omportamieto de la variable e la muestra y debemos de geeralizar
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 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 detalles2.3 SISTEMAS DE ECUACIONES (2.3_AL_T_062, Revisión: , C14)
.3 SISTEMS DE ECUCIONES (.3_L_T_06, Revisió: 05-04-06, C4) La forma geeral de este problema es: L x (euaió lieal) Cuado L operador matriial SISTEM DE ECUCIONES (SISTEM MTRICIL). Método más simple de soluió:
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 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 detallesGUÍA Nº 3 Probabilidades y Estadística Teoría de las Probabilidades
U.T.F.S.M. Departameto de Matemátia GUÍA Nº robabilidades y Estadístia Teoría de las robabilidades rofesor oordiador : Sr. Hétor Allede O. Ayudate oordiador : Rubé arra V. EJERIIO Nº. Ua aja otiee bolitas,
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 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 detallesINTEGRACIÓN POR FRACCIONES PARCIALES
Profesor: Jaime H. Ramírez Rios Págia INTEGRIÓN POR FRIONES PRILES 8 Hay oasioes dode es eesario ivertir el proeso. Para ver ómo fuioa e geeral el método de fraioes pariales, trabajaremos sobre ua fuió
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 detallesSESION 15 DISTRIBUCIONES DE MUESTREO
SESION 15 DISTRIBUCIONES DE MUESTREO I. CONTENIDOS: 1. Distribució de muestreo. 2. Distribucioes de muestreo de la media 3. Media, mediaa y moda, así como su relació co la desviació estádar de las distribucioes
Más detallesNúmero de personas que se forman en una fila en 1 hora Número de águilas que se obtienen al lanzar una moneda 5 veces.
Statistics Review Variable Aleatoria o Ua variable aleatoria es ua variable cuyo valor está sujeto a variacioes que depede de la aleatoriedad. o Debe tomar valores uméricos, que depede del resultado del
Más 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 detalles1. Propiedades de los estimadores
. Propiedades de los estimadores.. Eficiecia relativa. Defiició: Dados dos estimadores isesgados, ˆ y ˆ, de u parámetro, co variazas V ( ˆ ) y V ( ˆ ), etoces la eficiecia (eff) de ˆ respecto a ˆ, se defie
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD PAUTA DE CORRECCIÓN PRUEBA RECUPERATIVA N 2 Profesor: Hugo S. Salias. Segudo Semestre 2009 DESARROLLO
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 detallesMaestría en Marketing Métodos y técnicas de análisis cuantitativo y cualitativo. Métodos de Muestreo. Otoño Problemas a tratar
Maestría e Marketig Métodos y técicas de aálisis cuatitativo y cualitativo Métodos de Muestreo Referecia: PR Cap 11, KT 1-14. Otoño 004 Problemas a tratar Que alterativas hay para cofeccioar ua muestra
Más detallesTAMAÑO DE MUESTRA. 5.1 Coeficiente de homogeneidad al interior de las escuelas
TAMAÑO DE MUETRA Ua de las etapas del diseño muestral es el cálculo del tamaño de la muestra (Cocra, 977, p. 7-88; Médez, 004, p. 45-47; y aro, 999, p. 39-4), ésta se lleva a cabo cosiderado el objetivo
Más detallesPROBLEMA DEL USO DE FERTILIZANTE EN GRANJAS DE PRODUCCIÓN DE TOMATES.
PROBLEMA DEL USO DE FERTILIZANTE EN GRANJAS DE PRODUCCIÓN DE TOMATES. E el siguiete ejercicio se tratará de expoer, de forma didáctica, el proceso de solució de u problema de regresió simple. Problema:
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 detallesy i 0 1 x i 2 2 y i media 2 Varianza 2 i 1 Para calcular el los valores que maximizan L derivamos e igualamos a cero 2 y i 0 1 x i 0 # i 1
Demostracioes de Regresió Simple. Estimació La distribució de y es y i N 0 x i, Estimació Máximo Verosímil La fució de verosimilitud, sabiedo que y i es ua variable ormal será L exp y i 0 x i ya que 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 detallesa) p(z < 1,89) b) p(z > 1) c) p(z > 0,04) d) p(1,78 < Z < 3) e) p( 2,25 < Z < 1,49)
º BACHILLERATO MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II TEMAS 11, 1 y 13.- DISTRIBUCIÓN DE PROBABILIDAD. MUESTREO ESTADÍSTICO. INTERVALOS DE CONFIANZA.- VARIABLES ALEATORIAS. DISTRIBUCIÓN NORMAL
Más detallesSolución de Recurrencias. Dr. Ivan Olmos Pineda
Soluió de Reurreias Dr. Iva Olmos Pieda Coteido Itroduió a la Soluió de Reurreias Téias para la Soluió de Reurreias Por sustituió Reurreias homogéeas Reurreias o homogéeas Cambio de variable Trasformaió
Más detallesSECCIÓN 2: DIMENSIONADO A SECCIÓN LLENA
álulo de edes de Saeamieto: Hidráulia del Saeamieto SEIÓN : DIMENSIONADO A SEIÓN LLENA DIMENSIONADO Es la obteió del diámetro eesario para trasportar el audal eesario o las veloidades máximas previstas,
Más detallesHacia dónde tienden los datos? Se agrupan en torno a un valor? o, se dispersan? Su distribución se parece a alguna distribución teórica?
COMPORTAMIENTO DE LAS DISTRIBUCIONES DE FRECUENCIA: Preparadas las TABLAS DE FRECUENCIA de los valores de ua variable resulta iteresate describir su comportamieto. Hacia dóde tiede los datos? Se agrupa
Más detalles8. INTERVALOS DE CONFIANZA
8. INTERVALOS DE CONFIANZA Al estimar el valor de u parámetro de la distribució teórica, o se provee iformació sobre la icertidumbre e el resultado. Esa icertidumbre es producida por la dispersió de la
Más 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 detallesCAPÍTULO III LÍMITES Y CONTINUIDAD. Y decimos que el límite de f(x), al tender x hacia c, es L. 2 lim. 3 x
CAPÍTULO III LÍMITES Y CONTINUIDAD. DEFINICIÓN INTUITIVA DE LÍMITE La idea de límite que teemos e uestro diario vivir, es la que o maor propiedad os puede aerar al oepto de límite, así por ejemplo, hablamos
Más detallesR-SQUARED RESID. MEAN SQUARE (MSE) σˆ 2 ADJUSTED R-SQUARED STANDARD DEVIATION σ ˆ
06 5.8 Leyedo la salida de u programa estadístico Cada programa estadístico preseta los resultados de la regresió e forma diferete, pero la mayoría provee la misma iformació básica. La tabla muestra la
Más detallesSESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN
SESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN I. CONTENIDOS: 1. Regresió lieal simple.. Iterpretació de gráficas de regresió. 3. Cálculo de coeficiete de correlació. 4. Iterpretació del coeficiete de correlació.
Más detallesSOLUCIONES DE LAS ACTIVIDADES Págs. 23 a 43
TEMA. SUCESIONES DE NÚMEROS. LOGARITMOS SOLUCIONES DE LAS ACTIVIDADES Págs. a Págia. a) Es la sucesió de los úmeros impares:, 5, 7 b) Se suma al valor absoluto del úmero y se cambia de sigo: 7, 0, c) Se
Más detalles1. Algunas Ideas Generales sobre Métodos Numéricos
. Alguas Ideas Geerales sobre Métodos Numérios. Itroduió E ieia teología so omues los problemas para los que o es posible hallar ua soluió aalítia. Es freuete etoes reduir el problema a u aso partiular,
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 detalles[e j N 2 e j N 2 ]...} (22)
Trasformadores multiseccioales de cuarto de oda. La teoría de reflexioes pequeñas descrita e la secció aterior se puede usar para aalizar trasformadores multiseccioales de u cuarto de oda. Cosidere la
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 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 detallesDETERMINACIÓN DEL TAMAÑO MUESTRAL
DETERMINACIÓN DEL TAMAÑO MUESTRAL Notas Ídie. INTRODUCCIÓN. TAMAÑO MUESTRAL EN ESTUDIOS PARA DETERMINAR PARÁMETROS.. Tamaño muestral ara estimar ua roorió.. Tamaño muestral ara estimar ua media 3 3. TAMAÑO
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 detalles3.1. Muestreo aleatorio sin reposición Muestreo aleatorio con reposición (muestreo aleatorio simple)
1 Muestreo Tema 1 1. Muestreo. Muestreo aleatorio 3. Tipos de muestreo aleatorio 3.1. Muestreo aleatorio si reposició 3.. Muestreo aleatorio co reposició (muestreo aleatorio simple) 3.3. Muestreo aleatorio
Más detallesPruebas de hipótesis para dos muestras.
Prueba de hiótei ara do muetra. Prueba de Hiótei ara do muetra grade, deviaioe etádar de la oblaioe deiguale. La roiedade de la Ditribuió Normal o tambié umamete útile uado queremo eotrar i do ojuto de
Más detallesSolución: de una distribución con media µ y varianza conocida. = X. Aquí 100. Así σ = a) Se pide determinar "n", de modo que:
Ejercicios Itervalos de Cofiaza. Se toma ua muestra aleatoria de observacioes y se costruye u itervalo de cofiaza del 95% para la media poblacioal, co variaza coocida. El itervalo de cofiaza resultó co
Más detallesSeries alternadas Introducción
Sesió 26 Series alteradas Temas Series alteradas. Covergecia absoluta y codicioal. Capacidades Coocer y aplicar el criterio para estudiar series alteradas. Coocer y aplicar el teorema de la covergecia
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 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 detallesR. Urbán Introducción a los métodos cuantitativos. Notas de clase Sucesiones y series.
R. Urbá Itroducció a los métodos cuatitativos. Notas de clase Sucesioes y series. SUCESIONES. Ua sucesió es u cojuto umerable de elemetos, dispuestos e u orde defiido y que guarda ua determiada ley de
Más detallesConvergencia de variables aleatorias
Capítulo Covergecia de variables aleatorias El objetivo del presete capítulo es estudiar alguos tipos de covergecia de variables aleatorias. Iiciaremos co la defiició de los distitos modos de covergecia...
Más detallesNo negatividad. Definición positiva. Propiedad multiplicativa. Desigualdad triangular. Identidad de indiscernibles. Desigualdad triangular
Repaso: Propiedades fudametales del Valor absoluto: x 0 x = 0 x = 0 xy = x y x + y x + y x = x x y = 0 x = y x y x z + z y x y x y No egatividad Defiició positiva Propiedad multiplicativa Desigualdad triagular
Más detallesContrastes para variables Normales y proporciones
TEMA 8: EGUNDA PARTE Cotrastes para variables Normales y proporioes 8.7. Cotrastes para ua poblaió Normal Cotrastes para la media Cotrastes para la variaza 8.8. Cotrastes para dos poblaioes Normales 8.8..
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 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 detallesDepartamento Administrativo Nacional de Estadística
Departameto Admiistrativo acioal de Estadística Direcció de Regulació, Plaeació, Estadarizació y ormalizació -DIRPE- Especificacioes de Coeficiete y Variaza Ecuesta de Cosumo Cultural Julio 008 ESPECIFICACIOES
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 detallesSesión 8 Series numéricas III
Sesió 8 Series uméricas III Defiició Serie de Potecias Si a 0, a, a,, a so úmeros reales y x es ua variable, ua expresió de la forma a x, se llama Serie de Potecias. Lo abreviaremos co SP. Alguos ejemplos
Más detallesFigura 10. No se satisface el supuesto de linealidad.
Regresió Lieal Simple Dra. Diaa Kelmasky 04 Figura 8 Figura 9. No se satisface el supuesto de homoscedasticidad Si graficáramos los residuos cotra los valores de X los putos debería estar distribuidos
Más detallesa) Aumento de la temperatura K c b) Adición de I 2 O 5 (s) Cantidad de I 2 c) Aumento de la presión Cantidad de CO
1.- Cosidere el siguiete sistema geeral e equilibrio: a A(g) + b B(g) C(g) + d D(g) H < a) Idique razoadamete e qué aso so iguales los valores de las ostates y. b) Justifique ómo afetará al sistema la
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 detallesPasos básicos para docimar una hipótesis:
Pasos básicos para docimar ua hipótesis:. Defiir cual es la població y el o los parámetro de iterés.. Establecer la hipótesis (ula y alterativa). 3. Establecer el ivel de sigificació α. 4. Recoger los
Más detallesFormulas. Población infinita. Población finita
Formulas X~N(μ, σ 2 ) x = x i x ~N si X~N o si > 30 Població ifiita Població fiita x ~N(μ, σ2 ) N x ~N(μ, N 1 σ2 ) Ejercicio Se sabe que la media poblacioal e u exame de Estadística es de 70 y que la variaza
Más detallesIntervalos de confianza Muestras grandes
Itervalos de cofiaza Muestras grades Por qué u itervalo de cofiaza? E la Uidad 3 revisamos los coceptos de població y muestra. Los parámetros poblacioales so la media μ y la variaza σ. So costates y geeralmete
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 detallesSOLUCIONES DE LAS ACTIVIDADES Págs. 23 a 43
TEMA. SUCESIONES DE NÚMEROS. LOGARITMOS SOLUCIONES DE LAS ACTIVIDADES Págs. a a 8 + ( ); Y fialmete: a 7 8 + (7 ) 86 0 7 + 0. S 0 Págia 7 [ ( 7 + 9 5) ] 95. a) 6 : pero 0 : 6,6 o es PG b) 6 : ( ) : 6 :
Más detallesTrata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor.
1 Estadística Descriptiva Tema 8.- Estadística. Tablas y Gráficos. Combiatoria Trata de describir y aalizar alguos caracteres de los idividuos de u grupo dado, si extraer coclusioes para u grupo mayor.
Más detallesMMII_MSV_c1: Problemas de contorno de ecuaciones diferenciales ordinarias lineales
MMII_MSV_: Problemas de otoro de euaioes difereiales ordiarias lieales Guió: Co esta lase iiiamos el estudio del Método de Separaió de Variables (MSV). Su apliaió para resolver problemas de otoro de euaioes
Más detallesUNIDAD 4 MODELOS PROBABILÍSTICOS
Uiversidad Nacioal del Litoral Facultad de Igeiería y Ciecias Hídricas ESTADÍSTICA Igeiería Iformática TEORÍA Mg.Ig. Susaa Valesberg Profesor Titular UNIDAD 4 MODELOS PROBABILÍSTICOS Estadística - Igeiería
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 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 detallesSlide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 3 Estadística Descriptiva: Métodos Numéricos
Slide 1 Uiversidad Diego Portales Facultad de Ecoomía y Negocios Martes 30 de Marzo, 2010 Slide 1 Slide 2 Capítulo 3 Estadística Descriptiva: Métodos Numéricos Medidas de Localizació Medidas de Variabilidad
Más detallesPropiedades de la funcion de distribucion empirica. Propiedades de la Función de distribución Empírica:
Propiedades de la fucio de distribucio empirica Propiedades de la Fució de distribució Empírica: a. Fˆ es creciete de 0 hasta 1. b. Fˆ es ua fució escaloada co saltos e los distitos valores de X 1, X,...,
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 detallesMuestreo en Poblaciones Finitas
Muestreo Aleatorio Simple 1/22 Muestreo e Poblacioes Fiitas Muestreo Aleatorio Simple José A. Mayor Gallego Departameto de Estadística e Ivestigació Operativa Uiversidad de Sevilla Septiembre de 2011 Coteidos
Más detallesTEMA 7 DISTRIBUCIONES DE PROBABLIDAD CONTINUAS
www.iova.ued.es/webpages/ilde/web/idex.htm e-mail: imozas@elx.ued.es TEMA 7 DISTRIBUCIONES DE PROBABLIDAD CONTINUAS Distribució uiforme e el itervalo [a, b].-, a x b Fució de desidad: f(x) = b a 0, e el
Más detallesMÉTODOS ESTADÍSTICOS DE LA INGENIERÍA CONVOCATORIA DE MAYO (011) EJERCICIO 1 El director de publicacioes de ua editorial trata de decidir si debe publicar u uevo texto de estadística. Los ateriores libros
Más detallesReserva Primera de 2017 (Modelo 3) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Reserva Primera de 017 (Modelo 3) Solució Germá-Jesús Rubio Lua OPCIÓN A 17_mod3_EJERCICIO 1 (A) 4-3 0 Sea las matrices A = y B = 1-1 0 1. (1 puto) Calcule A + B 3. (1 5 putos)
Más detallesCAPÍTULO XIV. SERIES NUMÉRICAS ARBITRARIAS
CAPÍTULO XIV. SERIES NUMÉRICAS ARBITRARIAS SECCIONES A. Series de térmios de sigo variable. B. Series depedietes de parámetros. C. Ejercicios propuestos. 193 A. SERIES DE TÉRMINOS DE SIGNO VARIABLE. E
Más detallesUNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL
UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL Revisió, Cambios y Ampliació: Ig. José Alejadro Marí Fuete Primaria: Ig. César Augusto Zapata Urquijo 1. M U E S T R E O S I S T E M
Más detallesANEXO B. Se define como Regresión al estudio de la fuerza, consistencia o grado de asociación de la
ANEXO B B.. Regresió Se defie como Regresió al estudio de la fuerza, cosistecia o grado de asociació de la correlació de variables idepedietes [6]. B... Regresió Lieal Simple El objeto de u aálisis de
Más detallesEstadística Descriptiva
Estadística Descriptiva TEMA 1 Estadística Descriptiva 1. Variables estadísticas uidimesioales a) Itroducció b) Estudio descriptivo de ua variable c) Represetacioes gráficas d) Medidas de tedecia cetral
Más detallesNOTAS SOBRE INFERENCIA ESTADÍSTICA BAYESIANA. José G. Ríos Alejandro. Abril del 2011.
NOTAS SOBRE INFERENCIA ESTADÍSTICA BAYESIANA José G. Ríos Alejadro Abril del 11. INTRODUCCIÓN E los cursos de estadística usualmete se estudia la estadística co efoque frecuetista, la cual alguos autores
Más detalles