ANÁLISIS DE CONTENIDO DE UN SIMULADOR QUE PERMITE INTRODUCIR LA IDEA DE DISTRIBUCIÓN MUESTRAL
|
|
- Inmaculada Ortega Zúñiga
- hace 7 años
- Vistas:
Transcripción
1 ANÁLISIS DE CONTENIDO DE UN SIMULADOR QUE PERMITE INTRODUCIR LA IDEA DE DISTRIBUCIÓN MUESTRAL Bianchi, María Jesús - Tauber, Liliana Facultad de Humanidades y Ciencias Universidad Nacional del Litoral jesubianchi@hotmail.com;estadisticamatematicafhuc@gmail.com Educación Estadística Introducción Durante las últimas dos décadas, los investigadores en educación estadística se han centrado cada vez más en un enfoque de enseñanza de la Estadística que promueva la alfabetización, el razonamiento y el pensamiento estadísticos. Dada la importancia de la comprensión y el razonamiento sobre inferencia estadística, y las dificultades que tienen los estudiantes en consonancia con este tipo de razonamiento, se han realizado intentos de exponer a los estudiantes a situaciones que les permitan utilizar métodos informales de hacer inferencias estadísticas, por ejemplo, usando simuladores que permitan introducir ideas informales en las que se basa la inferencia estadística. En el marco del proyecto de investigación CAI+D La inferencia informal como objetivo central de la educación estadística en estudiantes universitarios, presentamos la elaboración de una red conceptual que permite mostrar el entramado de relaciones que se deben establecer entre los conceptos involucrados en la idea de distribución de la media. A partir de la construcción de esta red se realiza un análisis de contenido del applet Sampling Distributions.Es decir, se intentará detectar si el simulador permite construir relaciones entre algunos o todos los conceptos que conforman la red conceptual mencionada. Finalmente, la justificación sobre el uso de este tipo de software se basa en que son herramientas útiles y muy potentes que, haciendo un uso adecuado de ellas, pueden servir como un apoyo importante en la generación de ideas intuitivas que se utilizan luego en el desarrollo de conceptos de la inferencia estadística. Objetivos Los objetivos del presente trabajo son los siguientes: I. Elaborar una red conceptual que permita identificar las relaciones existentes entre los conceptos claves y las ideas estocásticas informales que subyacen en la construcción del concepto: Distribución Muestralde la media. II. Con base en la red conceptual, realizar un análisis de contenido de un applet disponible en línea, con el fin de mostrar su nivel de complejidad cuando seintroducen las ideas centrales del concepto: Distribución Muestral de la media. Metodología La metodología de investigación elegidaes de tipo exploratoria y descriptiva (León y Montero, 1993). Este tipo de investigación, se caracteriza por ser más flexible en su metodología, más amplia y diversa en comparación con estudios explicativos.una de las técnicas metodológicas que se utilizó para realizar el análisis del applet que introducen el concepto de distribución de la media, es el análisis de contenido (Cohen y Manion, 1990; Babbie, 2003). Este tipo de análisis se define como "el estudio de las comunicaciones humanas materializadas tales como los libros, los sitios web, etc.". El análisis de contenido parte del principio de que examinando textos es posible conocer no sólo su significado, sino información al respecto de su modo de producción. Es decir, trata los textos no sólo como signos dotados de un significado conocido por su emisor, sino como indicios que dicen sobre ese mismo emisor, o generalizando, indicios sobre el modo de producción de un texto. El análisis de contenido no es una teoría, sólo un conjunto de técnicas, por lo que es imprescindible que la técnica concreta utilice una teoría que dé sentido al modo de análisis y a los resultados. En consecuencia, la identificación de categorías y/o unidades de análisis se realizará en función de la categorización y de la definición de la red conceptual que se hará previamente, las cuales se basarán en la determinación de las ideas fundamentales de la inferencia estadística y de sus relaciones.
2 Algunos resultados alcanzados En el Anexo que presentamos al final del trabajo se muestra la red conceptual elaborada, en la que se incluyen los conceptos claves (previos y nuevos) que consideramos necesarios para lograr comprender el concepto: Distribución de la media y las relaciones que podrían establecerse entre dichos conceptos. Los conceptos que el alumno debería conocer antes de comenzar a construir la idea de distribución son, entre otros: distinción entre estadístico y parámetro, en consecuencia, debería reconocer las diferencias y similitudes entre media y desviación, y poblacional. También debería reconocer las características de una variable aleatoria y una variable estadística, los conceptos de distribución de probabilidad y distribución de frecuencias, sus propiedades y formas de cálculo. En base a estos conocimientos, se podrían comenzar a construir nuevos conceptos como por ejemplo: variabilidad, estimador, propiedades de los estimadores, distribución de un estadístico, error estándar de una distribución, para finalizar construyendo las ideas fundamentales que enuncia el Teorema Central del Límite. Cabe acotar que, para la construcción de esta red conceptual, hemos tenido en cuenta algunas conclusiones de otras investigaciones, tales como las de Lipson (2000), en las que han encontrado que los estudiantes establecen pocas relaciones entre conceptos y, en consecuencia, evidencian una escasa comprensión de una distribución. Luego de construir la red conceptual que hemos descrito brevemente,analizamos el applet seleccionado (Sampling Distributions, Lane, 2006) y establecimos sipermite presentar los conceptos previos mencionados en el párrafo anterior y, además, analizamos qué tipos de relaciones pueden establecerse con el uso de dicho simulador. De esta manera podemos indicar algunas de las relaciones que detallaremos a continuación. En la primera etapa de exploración el estudiante se encontrará con la pantalla de la Figura 1, en ella se muestra la distribución de la población de donde se extraerán las muestras. Cabe acotar que el applet permite obtener las muestras de una población con distribución normal (como se muestra en la pantalla), uniforme, sesgada o una distribución construida por el usuario usando el mouse. Figura 1. Distribución poblacional En este primer encuentro el alumno debe conocer los conceptos claves de: distribuciónpoblacional, variable aleatoria, distribución normal,parámetros que la caracterizan: media y desviación estándar poblacional, propiedades de la distribución (simetría y forma). Además, aparecen conceptos asociados como la mediana (que permite analizar la simetría), rango de la variable aleatoria. Por otra parte, el simulador permite extraer muestras aleatorias de tamaño 5, 10, 16, 20 o 25 de la población de referencia y permite graficar la distribución de frecuencias para cada muestra seleccionada, la cual la representa en el segundo sistema de ejes cartesianos (ver Figuras 2 y 3). Para cada extracción de una muestra, se ponen en relación los siguientes conceptos: muestra aleatoria, tamaño de muestra, frecuencias absolutas (que en este caso representan el número de veces que aparece cada valor de la variable estadística), distribución de frecuencias, estadísticos (media, mediana, desviación, rango), sesgo y forma de la distribución de frecuencias y la variabilidad entre cada muestra extraída al azar. Se pueden realizarcomparaciones entre los valores que toman los estadísticos y los valores de los parámetros, así como también la simetría y forma de la muestra y de la población En el tercer sistema de ejes (ver Figuras 2 y 3) se representan, una a una, las medias es, que se obtienen de cada muestra aleatoria de tamaño n que se extrae de la población (que se
3 representa en el segundo sistema de ejes), de esta manera se va construyendo gráficamente la distribución de la media. En este punto se debería diferenciar entre: distribución poblacional, distribución de frecuencias y distribución de un estadístico. Además, se introduce un nuevo concepto que es el deerror estándar. El error estándar mide la variabilidad o dispersión de la distribución dela media, esto permite establecer una nueva relación que podemos enunciar de la siguiente forma: Cuanto más pequeña sea el tamaño de la muestra, el error estándar será más grande. Para estimar el valor de un parámetro poblacional, se puede usar información de la muestra en la forma de un estimador. Los estimadores se calculan usando información de las observaciones es y, en consecuencia, por definición son también estadísticos. Para poder realizar una inferencia adecuada sobre el parámetro se deben tener en cuenta las propiedades del estimador, esto es, debe ser insesgado (media de su distribución es igual al verdadero valor del parámetro) y la dispersiónde la distribución debe ser tan pequeña como sea posible.esto permite afirmar que, con una alta probabilidad, una estimación individual estimará el verdadero valor del parámetro con un escaso margen de error. Figura 2. Extracción de una muestra de tamaño 5 Figura 3. Construcción de la distribución Figura 4: Comparación de la distribución poblacional y de la distribución para repeticiones de muestras de tamaño 5 Luego de repetir el muestreo un número grande de veces, por ejemplo,en la Figura 4, se realizan repeticiones de muestras de tamaño 5, resulta una distribución que es aproximadamente simétrica, acampanada, con una media que toma un valor aproximado al parámetro y un error estándar que es inferior a la desviación estándar poblacional. Esto permite construir de una manera informal (Garfield y Ben-Zvi, 2008) las ideas fundamentales del Teorema Central del Límite, esto es, que la media distribución de medias coincide con la media poblacional (en nuestro ejemplo, se aproximan, la primera vale 15,97
4 y el parámetro es 16) y que la distribución es menos variable que la distribución poblacional (el error estándar es de 2,30 mientras que la desviación poblacional es 5) y, por último, que la distribución se aproxima a una distribución normal con media igual al parámetro µ y error estándar igual a. Esto mismo puede visualizarse si se cambia el tamaño de muestra, agregando además que la distribución se torna más normal más rápidamente para tamaños de muestras más grandes, es decir, son necesarias menos repeticiones del muestreo para encontrar las características mencionadas anteriormente. De una manera más formal, se puede enunciar que la distribución se hace más normal a medida que aumenta el tamaño de muestra n y la media de la distribución se aproxima cada vez más al valor del parámetro. En consecuencia, una vez construida la distribución (es decir, luego de varias repeticiones del muestreo), se podrían establecer diversas relaciones considerando los siguientes conceptos prioritarios:media y error estándar de la distribución, forma y sesgo de la distribución, rango de variación de la distribución, frecuencias absolutas (que en este caso representan la cantidad de muestras que tienen x valor de media). Todo esto además, se debe poner en relación con toda la información poblacional a través de comparaciones, por ejemplo, comparando la media de la distribución con la media poblacional, variabilidad, forma, simetría. Poniendo en relación estos distintos conceptos se podría construir, de manera informal, el concepto de distribución y el Teorema Central del Límite. Conclusiones Como queda evidenciado en la construcción de la red conceptual y en las relaciones que se pueden establecer a través del applet, la construcción del concepto: Distribución Muestral, no es una tarea sencilla, pero es importante considerar este tipo de análisis para poner de manifiesto las interrelaciones que existen entre las ideas asociadas necesarias para construir el concepto central. Por otra parte, consideramos que es sumamente importante comenzar a construir este tipo de entramado de conceptos, de tal manera que sirva de fundamento para la elaboración de actividades que nos permitan introducir las diversas nociones de la inferencia estadística de una manera informal. De esta manerael alumno podrá construir los conceptos gradualmente hasta lograr una comprensión adecuada de los fundamentos teóricos de las ideas fundamentales de la Inferencia Estadística. Finalmente, creemos que es necesario seguir investigando en este sentido, por ejemplo, analizando otros tipos de simuladores y de programas estadísticos para poder comparar el nivel de potencialidad que tienen en relación con la complejidad o simpleza de las relaciones entre conceptos que permiten establecer. Referencias Bibliográficas Babbie, E. (2003). The Practice of Social Research. 10th Edition. Wadsworth Publishing. Thomson Learning Inc. Cohen, L. y Manion, L. (1990). Métodos de investigación educativa. Madrid: La Muralla. Garfield, J., & Ben-Zvi, D. (2008). Developing students statistical reasoning: connecting research and teaching practice. New York: Springer. Lane, D. (2006). Rice Virtual Lab in Statistics. Disponible on-line: realizada el 7/03/14). León, O. y Montero, I. (1999).Diseño de Investigaciones. Madrid: McGraw-Hill. Lipson, K. (2000). The Role of the Sampling Distribution in developing understanding of Statistical Inference. Tesis Doctoral. Swinburne University of Technology.Melbourne. Australia.
5 ANEXO: Red Conceptual sobre Distribución Muestral de la Rango de Variación Variable Estadística Datos Variable Aleatoria Tamaño de muestra Muestra Concepto de Población Estadística Muestras generadas por computadora Repetición de muestras poblacional µ Variabilidad Estadístico Parámetro Centro Dispersión Forma Estimador Error Estándar Sesgo Distribución de frecuencias Propiedades Rango de Variación Distribución de un estadístico Teorema central del Límite n > 30 n < 30 Distribución de la
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detallesTema 2: Introducción a la Inferencia Estadística
Tema 2: Introducción a la Inferencia Estadística 1.- En m.a.s. el estadístico varianza muestral es: a) Un estimador insesgado de la varianza poblacional. b) Un estimador insesgado de la media poblacional.
Más detallesEstadística Inferencial. Resúmen
Ofimega - Estadística inferencial - 1 Estadística Inferencial. Resúmen Métodos y técnicas que permiten inducir el comportamiento de una población. Muestreo o selección de la muestra: 1. Aleatorio simple:
Más detallesUniversidad de Carabobo Facultad de Ciencias Jurídicas y Políticas Carrera de Ciencias Fiscales
Universidad de Carabobo Facultad de Ciencias Jurídicas y Políticas Carrera de Ciencias Fiscales Programa Analítico de la Asignatura: ESTADISTICA I Jefe del Departamento de: Prof.: Jefe de Cátedra: Profesores
Más detallesUniversidad nacional Autónoma de México Facultad de psicología. Matemáticas II
Universidad nacional Autónoma de México Facultad de psicología PROGRAMA DE ASIGNATURA Nombre de la Asignatura Matemáticas II Clave 0497 Semestre Segundo Número de créditos 8 Horas Teoría 4 Horas Práctica
Más detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Más detallesEstimación. Introducción. Sea X la variable aleatoria poblacional con distribución de probabilidad f θ donde. es el parámetro poblacional desconocido
Tema : Introducción a la Teoría de la Estimación Introducción Sea X la variable aleatoria poblacional con distribución de probabilidad f θ (x), donde θ Θ es el parámetro poblacional desconocido Objetivo:
Más detallesESTADÍSTICA DESCRIPTIVA TEMA 2: MEDIDAS NUMÉRICAS
UNIDAD 2 ESTADÍSTICA DESCRIPTIVA TEMA 2: MEDIDAS NUMÉRICAS Medidas numéricas de posición, dispersión, forma y asociación 1 Medidas numéricas de posición, dispersión, forma y asociación Si se calculan para
Más detallesEstadística. Carrera: IFM Participantes. Representantes de la academia de sistemas y computación de los Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadística Licenciatura en Informática IFM - 0411 3-2-8 2.- HISTORIA DEL PROGRAMA
Más detallesTEMA 2: EL PROCESO DE MUESTREO
2.5. Determinación del tamaño de la muestra para la estimación en muestreo aleatorio estratificado TEMA 2: EL PROCESO DE MUESTREO 2.1. Concepto y limitaciones 2.2. Etapas en la selección de la muestra
Más detallesDISTRIBUCIONES MUESTRALES
DISTRIBUCIONES MUESTRALES Cuál es la finalidad de las distribuciones muéstrales y del método del muestreo como herramientas básicas de la estadística y qué aplicabilidad tienen en la vida cotidiana? Siendo
Más detallesINFERENCIA ESTADÍSTICA MUESTRAL TEMA 2: ESTIMACIÓN POR INTERVALO
UNIDAD 2 INFERENCIA ESTADÍSTICA MUESTRAL TEMA 2: ESTIMACIÓN POR INTERVALO 1 2 RECUERDE: un estimador puntual es un estadístico muestral usado para estimar un parámetro poblacional: x (estimación de μ),
Más detallesMs. C. Marco Vinicio Rodríguez
Ms. C. Marco Vinicio Rodríguez mvrodriguezl@yahoo.com http://mvrurural.wordpress.com/ Uno de los objetivos de la estadística es saber acerca del comportamiento de parámetros poblacionales tales como:
Más detallesTécnicas de Muestreo I
1 / 39 Técnicas de Muestreo I Patricia Isabel Romero Mares Departamento de Probabilidad y Estadística IIMAS UNAM agosto 2018 2 / 39 Temario 1. Introducción. Definición de conceptos elementales 2. Muestreo
Más detallesPROGRAMA ANALÍTICO DE ASIGNATURA
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO COORDINACIÓN DE DOCENCIA DIRECCIÓN DE PLANEACIÓN Y DESARROLLO EDUCATIVO PROGRAMA ANALÍTICO DE ASIGNATURA 1.- DATOS GENERALES 1.1 INSTITUTO: Instituto de Ciencias
Más detallesUniversidad Nacional del Litoral Facultad de Humanidades y Ciencias
BIO12: Estadística I 2017-1er. Cuatrimestre 06: Licenciatura en Biodiversidad Titular: TAUBER, Liliana Mabel Equipo de Cátedra: TAUBER, Liliana Mabel REDONDO, Yanina Teresita SANTELLAN, Silvana María Régimen
Más detallesESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía
ESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía Novedades en el Plan de Trabajo Desviación típica sesgada
Más detallesUNIVERSIDAD DE SAN CARLOS DE GUATEMALA CENTRO UNIVERSITARIO DE OCCIDENTE DIVISIÓN DE CIENCIA Y TECNOLOGÍA CARRERA DE AGRONOMIA.
UNIVERSIDAD DE SAN CARLOS DE GUATEMALA CENTRO UNIVERSITARIO DE OCCIDENTE DIVISIÓN DE CIENCIA Y TECNOLOGÍA CARRERA DE AGRONOMIA. I. Identificación de la Actividad Curricular Nombre del curso Prerrequisito
Más detallesCuál es el campo de estudio de la prueba de hipótesis?
ESTIMACIÓN Establecer generalizaciones acerca de una población a partir de una muestra es el campo de estudio de la inferencia estadística. La inferencia estadística se divide en estimación y prueba de
Más detallesCENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREO
CENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREO ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: AGOSTO DE 2017 UNIDAD DE APRENDIZAJE PROBABILIDAD
Más detallesUNIVERSIDAD AUTÓNOMA DE TAMAULIPAS FACULTAD DE INGENIERÍA ARTURO NARRO SILLER
UNIVERSIDAD AUTÓNOMA DE TAMAULIPAS FACULTAD DE INGENIERÍA ARTURO NARRO SILLER CARTA DESCRIPTIVA Carrera: INGENIERÍA EN SISTEMAS COMPUTACIONALES. Materia:. Titular: Correo electrónico: NUMERO DE UNIDAD:
Más detallesProblemas de Estimación de una y dos muestras
Problemas de Estimación de una y dos muestras Walpole Myers Myers Facultad de Estudios Superiores Acatlán Licenciatura en Economía 13 de marzo 2017 José A. Huitrón Mendoza Introducción En los ejercicios
Más detallesPara tomar decisiones se requiere INFORMACIÓN disponible, esperanzadamente confiable y útil.
Tomar decisiones es una gran responsabilidad. Para tomar decisiones se requiere INFORMACIÓN disponible, esperanzadamente confiable y útil. Generalmente se necesita una porción de la base de datos o muestra
Más detallesºBONDAD DE LOS ESTIMADORES JACKNIFE PARA DISTINTOS TIPOS DE POBLACIÓN
ºBONDAD DE LOS ESTIMADORES JACKNIFE PARA DISTINTOS TIPOS DE POBLACIÓN Raquel Plúa Morán 1, Gaudencio Zurita 2 1 Ingeniera en Estadística Informática 2003 2 Director de Tesis, Master en Ciencias Matemáticas,
Más detallesUniversidad de Sonora Unidad Regional Centro División de Ciencias Biológicas y de la Salud Departamento que imparte la materia: Matemáticas
Materia: Bioestadística I Universidad de Sonora Unidad Regional Centro División de Ciencias Biológicas y de la Salud Departamento que imparte la materia: Matemáticas Eje de Formación: Básica Carácter:
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 8) TEMA Nº 8 ESTIMACIÓN
OBJETIVOS DE APRENDIZAJE: TEMA Nº 8 ESTIMACIÓN Conocer las relaciones entre muestra, análisis estadístico descriptivo y análisis estadístico inferencial. Conocer los conceptos de muestra aleatoria y muestra
Más detallesEstadística descriptiva aplicada a negocios
Estadística descriptiva aplicada a negocios SEMESTRE Y CARRERA PROGRAMA ELABORADO POR: M.A. Marco Antonio Villa Cerda TIPO DE CURSO CRÉDITOS Nuclear 7 créditos TIPO DE MATERIA MATERIA COMPARTIDA CON OTRO
Más detallesESCUELA: Ingeniería Mecánica UNIDADES: 3 HORAS TEORÍA PRÁCTICA TRAB. SUPERV. LABORATORIO SEMINARIO TOTALES DE ESTUDIO 3 1 4
PAG: 1 1 4 Universidad Central de Venezuela Facultad de Escuela de Departamento de Unidad Docente y de Investigación Producción Asignatura PAG: 2 1 4 1. PROPÓSITO Capacitar al estudiante de para aplicar
Más detallesPROGRAMA DE LA ASIGNATURA: ESTADÍSTICA APLICADA CICLO LECTIVO 2018
PROGRAMA DE LA ASIGNATURA: ESTADÍSTICA APLICADA a) de aprendizaje: CICLO LECTIVO 2018 Hacer que los futuros comunicadores egresados de la carrera conozcan la importancia de la estadística en el proceso
Más detallesIFD N 32: ESCUELA NORMAL SUPERIOR GENERAL SAN MARTIN
PROFESORADO EDUCACIÓN SECUNDARIA EN FÍSICA Cátedra de Probabilidades y Estadística Prof. Reemplazante Ma. Florencia Schnell Año - 3er año división única Formato Curricular: Materia Cursado cuatrimestral
Más detallesEstadística I Tema 5: Introducción a la inferencia estadística
Estadística I Tema 5: Introducción a la inferencia estadística Tema 5. Introducción a la inferencia estadística Contenidos Objetivos. Estimación puntual. Bondad de ajuste a una distribución. Distribución
Más detallesPROBLEMAS DE ESTIMACIÓN PUNTUAL Y POR INTERVALOS
Estadística 1 PROBLEMAS DE ESTIMACIÓN PUNTUAL Y POR INTERVALOS 1. Obtener un estimador insesgado para p en una m.a.s. de tamaño n de una distribución binomial B(m,p) con m conocido y calcular su error
Más detallesPrograma Regular. Probabilidad y Estadística.
Programa Regular Probabilidad y Estadística. Modalidad de la asignatura: teórico-práctica. Carga horaria: 5hs. Objetivos: Con relación a los conocimientos a impartir en el desarrollo de la materia, es
Más detallesNombre de la Asignatura ESTADISTICA GENERAL INFORMACIÓN GENERAL Escuela. Departamento Unidad de Estudios Básicos
Código 0082023 UNIVERSIDAD DE ORIENTE ESTADISTICA GENERAL INFORMACIÓN GENERAL Escuela Departamento Unidad de Estudios Básicos Ciencias Horas Semanales 05 Horas Teóricas 02 Pre-requisitos Matemática I (0081714)
Más detallesTécnicas de Muestreo Métodos
Muestreo aleatorio: Técnicas de Muestreo Métodos a) unidad muestral elemental: a.1) muestreo aleatorio simple a.2) muestreo (seudo)aleatorio sistemático a.3) muestreo aleatorio estratificado b) unidad
Más detallesIntervalos de Confianza
Intervalos de Confianza Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Intervalo de Confianza Se puede hacer una estimación puntual de
Más detallesGUIA DOCENTE ESTADÍSTICA II
GUIA DOCENTE 2016-17 ESTADÍSTICA II Mayo 2016 DATOS GENERALES Nombre del curso: Código: ESTADÍSTICA II 801101, ADE 801916, MKCD Curso: 2016-17 Titulación: Grado en Administración y Dirección de Empresas
Más detallesUNIVERSIDAD AUTÓNOMA DE QUERÉTARO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN TÉCNICAS DE ESTADÍSTICA MOTIVANTE
UNIVERSIDAD AUTÓNOMA DE QUERÉTARO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN TÉCNICAS DE ESTADÍSTICA MOTIVANTE Clave: 856 Horas por semana: 5 Licenciatura: ADMINISTRACIÓN FINANCIERA Horas por semestre: 90
Más detallesDistribuciones Fundamentales de Muestreo. UCR ECCI CI-0115 Probabilidad y Estadística Prof. Kryscia Daviana Ramírez Benavides
Distribuciones Fundamentales de Muestreo UCR ECCI CI-0115 Probabilidad y Estadística Prof. Kryscia Daviana Ramírez Benavides Distribuciones Muestrales La distribución de probabilidad de un estadístico
Más detallesPLAN DE CURSO DIDACTICA DE LA ESTADISTICA CÓDIGO DEL CURSO TOTAL HORAS DEL CURSO 96 HORAS TRABAJO PRESENCIAL 32
PROGRAMA ACADÉMICO LICENCIATURA EN MATEMATICAS ASIGNATURA DIDACTICA DE LA ESTADISTICA AREA DE FORMACIÓN PROFESIONAL CÓDIGO DEL CURSO 0503833 TOTAL HORAS DEL CURSO 96 HORAS TRABAJO PRESENCIAL 32 HORAS TRABAJO
Más detallesUniversidad Técnica de Babahoyo INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA
Universidad Técnica de Babahoyo INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA Ateneo Ruperto P. Bonet Chaple UTB-Julio 2016 OBJETIVO Aplicar las técnicas de Muestreo e Inferencia Estadística Determinar el tamaño
Más detallesNotas de clase Estadística R. Urbán R.
Inferencia estadística Sabemos que una población puede ser caracterizada por los valores de algunos parámetros poblacionales, por ello es lógico que en muchos problemas estadísticos se centre la atención
Más detallesHerramientas Estadísticas en el Informe de Investigación
DPTO. INVESTIGACIÓN G-MIO GEODE TALLER Investigación científica: hacia un informe de investigación exitoso Herramientas Estadísticas en el Informe de Investigación Prof. Néstor Díaz Herramientas Estadísticas
Más detallesTeoría de la decisión
Unidad 7.. Definiciones. Muestreo aleatorio y estadístico. Estadísticos importantes. Técnica de muestreo. Transformación integral Muestreo: selección de un subconjunto de una población ) Representativo
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesEstadística Aplicada a la Educación
Estadística Aplicada a a la la Educación Estadística Aplicada a la Educación Tutor. UNED Madrid-Sur (A.U. Parla) Miguel Ángel Daza 2014/15 migdaza@madridsur.uned.es 1 2014/15 1 2 4 5 6 7 8 9 10 11 12 La
Más detallesFundación H.A. Barceló Facultad de Medicina. Licenciatura en Nutrición Bioestadística Primer año Módulo 10 Lección 3
Fundación H.A. Barceló Facultad de Medicina Licenciatura en Nutrición Bioestadística Primer año Módulo 10 Lección 3 1 1 MODULO 10: INTRODUCCIÓN AL MUESTREO Lección 3: PARAMETROS Y ESTADISTICOS OBJETIVOS
Más detallesMuestreo e intervalos de confianza
Muestreo e intervalos de confianza Intervalo de confianza para la media (varianza desconocida) Intervalo de confinza para la varianza Grados en Biología y Biología sanitaria M. Marvá. Departamento de Física
Más detallesUniversidad Autónoma del Estado de México Licenciatura en Educación (2003) Programa de estudios de la unidad de aprendizaje: Estadística
Universidad Autónoma del Estado de México Licenciatura en Educación (2003) Programa de estudios de la unidad de aprendizaje: Estadística I. Datos de identificación Licenciatura Educación Unidad de aprendizaje
Más detallesBLOQUE III: INFERENCIA ESTADISTICA. X, variable aleatoria de interés sobre una determinada población
BLOQUE III: INFERENCIA ESTADISTICA TEMA 8. MUESTREO Y DISTRIBUCIONES DE MUESTREO 1. Introducción a la Inferencia Estadística X, variable aleatoria de interés sobre una determinada población Observar el
Más detallesTema 6: Introducción a la inferencia estadística Parte 1
Tema 6: Introducción a la inferencia estadística Parte 1 1. Planteamiento y objetivos 2. Estadísticos y distribución muestral 3. Estimadores puntuales 4. Estimadores por intervalos Lecturas recomendadas:
Más detallesEstadística Inferencial. Sesión 2. Distribuciones muestrales
Estadística Inferencial. Sesión 2. Distribuciones muestrales Contextualización. Toda cantidad que se obtiene de una muestra con el propósito de estimar un parámetro poblacional se llama estadístico muestral
Más detallesUNIVERSIDAD AUTÓNOMA CHAPINGO DIVISIÓN DE CIENCIAS FORESTALES CARRERA DE: Licenciatura en Estadística PROGRAMA DE LA ASIGNATURA DE MUESTREO I
UNIVERSIDAD AUTÓNOMA CHAPINGO DIVISIÓN DE CIENCIAS FORESTALES CARRERA DE: Licenciatura en Estadística PROGRAMA DE LA ASIGNATURA DE MUESTREO I DATOS GENERALES Departamento (División): Nombre del Programa
Más detallesd) Equipo de Cátedra: Mencionar a todos los integrantes de la Cátedra
PROGRAMA DE LA ASIGNATURA: ESTADÍSTICA APLICADA CICLO LECTIVO 2016 a) Año en el que se ubica en el Plan 93: 4to. año b) Cuatrimestre al cual pertenece la asignatura: Primero c) Ciclo al que pertenece la
Más detallesConceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Más detallesPROGRAMA DE ESTUDIO. - Nombre de la asignatura : ESTADISTICA I. - Pre requisitos : Matemática III
PROGRAMA DE ESTUDIO A. Antecedentes Generales - Nombre de la asignatura : ESTADISTICA I - Código : EME 221 - Carácter de la asignatura (obligatoria / electiva) : Obligatoria - Pre requisitos : Matemática
Más detallesFundamentos para la inferencia. Estadística Prof. Tamara Burdisso
Fundamentos para la inferencia Estadística 018 - Prof. Tamara Burdisso 1 Distribución muestral de la varianza muestral Hasta aquí nos ocupamos de hacer inferencia sobre la media y/o la proporción de una
Más detallesUso de la simulación en hoja de cálculo como herramienta pedagógica para la inferencia estadística.
USO DE LA SIMULACIÓN EN HOJA DE CÁLCULO COMO HERRAMIENTA PEDAGÓGICA PARA LA INFERENCIA ESTADÍSTICA: APLICACIÓN A LAS PROPIEDADES CLÁSICAS DE LOS ESTIMADORES Carlos Martínez de Ibarreta Zorita Departamento
Más detallesINTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA
UNIVERSIDAD AUTÓNOMA CHAPINGO DIVISIÓN DE CIENCIAS FORESTALES CARRERA DE: Licenciado en Estadística PROGRAMA DE LA ASIGNATURA DE INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DATOS GENERALES Departamento (División):
Más detallesTOPICOS DE INFERENCIA ESTADÍSTICA: EL METODO INDUCTIVO Y EL PROBLEMA DEL TAMAÑO DE LA MUESTRA
FIDES ET RATIO VOL 7: (86-92), MARZO 2014, ISSN 2071-081X TOPICOS DE INFERENCIA ESTADÍSTICA: EL METODO INDUCTIVO Y EL PROBLEMA DEL TAMAÑO DE LA MUESTRA TOPICS OF STATISTICAL INFERENCE: INDUCTIVE METHOD
Más detallesINFERENCIA ESTADÍSTICA Notas de clase. Profesores: A. Leonardo Bañuelos S. Nayelli Manzanarez Gómez
INFERENCIA ESTADÍSTICA Notas de clase Profesores: A. Leonardo Bañuelos S. Nayelli Manzanarez Gómez TEMA III ESTIMACIÓN DE PARÁMETROS POR INTERVALOS DE CONFIANZA La estimación puntual es útil pues proporciona
Más detallesFormas de una Curva de Frecuencias
Formas de una Curva de Frecuencias Cuando se tiene una muestra de las observaciones de una variable, éstas se pueden graficar a través de un polígono de frecuencias relativas. Cuando este polígono es suavizado,
Más detallesPrograma de Asignatura ESTADISTICA I
Programa de Asignatura ESTADISTICA I A. Antecedentes Generales 1. Unidad Académica FACULTAD DE ECONOMÍA Y NEGOCIOS 2. Carrera INGENIERÍA COMERCIAL 3. Código EME221 4. Número de clases por 2 Módulos semana
Más detallesCarrera: Químico Farmacobiólogo. Asignatura: Probabilidad y Estadística. Área del Conocimiento: Ciencias Básicas. Estadística
Carrera: Químico Farmacobiólogo Asignatura: Probabilidad y Estadística Área del Conocimiento: Ciencias Básicas Generales de la Asignatura: Nombre de la Asignatura: Clave Asignatura: Nivel: Carrera: Frecuencia
Más detallesde Muestreo de Medias, Inferencia Estadística (Naturaleza de las Pruebas ) (Cap. 7 y Sec. 8.3)
Variabilidad Muestral, Distribuciones de Muestreo de Medias, Inferencia Estadística (Naturaleza de las Pruebas ) (Cap. 7 y Sec. 8.3) Distribución muestral de un estadístico Es la distribución de valores
Más detallesInferencia Estadística
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Facultad de Ciencias Plan de estudios de la Licenciatura en Actuaría Inferencia Estadística Clave 1541 Modalidad Semestre 5 Créditos 10 Área Campo de conocimiento
Más detallesESTADÍSTICA II UNIDAD I: ESTIMACIÓN DE PARÁMETROS 3RA PARTE (CLASE 20/09)
ESTADÍSTICA II UNIDAD I: ESTIMACIÓN DE PARÁMETROS 3RA PARTE (CLASE 20/09) Estimación de una media de población: σ conocida Requisitos 1. La muestra es aleatoria simple. (Todas las muestras del mismo tamaño
Más detallesBLOQUE III: SENTIDO ESTADÍSTICO COMO OBJETO DE ENSEÑANZA/APRENDIZAJE. MODULO 6: Probabilidad MODULO 7: Estadística
BLOQUE III: SENTIDO ESTADÍSTICO COMO OBJETO DE ENSEÑANZA/APRENDIZAJE. MODULO 6: Probabilidad MODULO 7: Estadística 1 MODULO 6: Probabilidad 6.1. La probabilidad cuando se considera como contenido en Primaria
Más detallesMuestreo de variables aleatorias
Estadística II Universidad de Salamanca Curso 2011/2012 Outline 1 Introducción 2 Distribución de la muestra 3 4 5 Distribuciones de la media y la varianza en poblaciones normales Introducción Tiene como
Más detallesviii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
Más detalles07 Estimación puntual e introducción a la estadística inferencial
07 Estimación puntual e introducción a la estadística inferencial Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales 1 Contenido Qué es la estadística inferencial?
Más detallesInformación general. Fundamentos de Análisis de datos. Obligatoria básica o de fundamentación X. Obligatoria profesional
Guía de asignatura Formato institucional Rev. Abril 2013 Información general Asignatura Fundamentos de Análisis de datos Código Tipo de asignatura Obligatoria X Electiva Tipo de saber Número de créditos
Más detallesUniversidad Nacional Autónoma de Nicaragua UNAN-Managua. Curso de Estadística. Programa de Estadística
Universidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Estadística Profesor: MSc. Julio Rito Vargas Avilés. Programa de Estadística Estudiantes: FAREM-Carazo Quien tiene un libro y no lo lee,
Más detallesINFERENCIA ESTADÍSTICA Notas de clase. Profesores: A. Leonardo Bañuelos S. Nayelli Manzanarez Gómez
INFERENCIA ESTADÍSTICA Notas de clase Profesores: A. Leonardo Bañuelos S. Naelli Manzanarez Gómez TEMA II ESTIMACIÓN PUNTUAL DE PARÁMETROS POBLACIONALES La estimación puntual de un parámetro relativo a
Más detallesRemuestreo importancia y aplicaciones
Remuestreo importancia y aplicaciones Al usar índices de biodiversidad no es razonable suponer una distribución muestral conocida del estimador (índice de Shannon u otro) y por eso se recomienda utilizar
Más detallesINFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN LICENCIATURA EN MATEMÁTICAS APLICADAS Y COMPUTACIÓN
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN LICENCIATURA EN MATEMÁTICAS APLICADAS Y COMPUTACIÓN ACATLÁN PROGRAMA DE ASIGNATURA CLAVE: SEMESTRE: 5 (QUINTO) MODALIDAD
Más detallesÍNDICE. Prefacio... xi
ÍNDICE Prefacio... xi Capítulo 1 Introducción... 1 1.1 Por qué hay que tomar este curso y quién utiliza la estadística?... 2 1.2 Historia... 3 1.3 Subdivisiones de la estadística... 4 1.4 Un enfoque simple
Más detallesDistribuciones Muestrales e Intervalos de Confianza
Distribuciones Muestrales e Intervalos de Confianza Sesión 5 Dr. Carlos J. Vilalta (DAP) Estadística - Curso propedéutico MAPP 2016 Centro de Investigación y Docencia económicas (CIDE) Contacto: carlos.vilalta@cide.edu
Más detallesGRADO EN CIENCIAS Y TECNOLOGÍAS APLICADAS AL DEPORTE Y AL ACONDICIONAMIENTO FÍSICO GUÍA DOCENTE ESTADÍSTICA
GRADO EN CIENCIAS Y TECNOLOGÍAS APLICADAS AL DEPORTE Y AL ACONDICIONAMIENTO FÍSICO GUÍA DOCENTE ESTADÍSTICA 2018-19 ESTADÍSTICA DATOS GENERALES ASIGNATURA: Estadística CÓDIGO: 801721 CURSO: 2017-18 CRÉDITOS
Más detallesMétodos de estimación para el Conteo Rápido.
Métodos de estimación para el Conteo Rápido. 1 1.1 Procedimiento de estimación El objetivo del conteo rápido es producir, a partir de una selección de casillas, una estimación de la fracción de votos para
Más detallesUniversidad Autónoma del Estado de México Licenciatura de Ingeniero Químico Programa de Estudios: Probabilidad y Estadística
Universidad Autónoma del Estado de México Licenciatura de Ingeniero Químico 2003 Programa de Estudios: Probabilidad y Estadística I. Datos de identificación Licenciatura Ingeniero Químico 2003 Unidad de
Más detallesCurso Inferencia. Miguel Ángel Chong R. 10 de septiembre del 2013
Curso Estadística Miguel Ángel Chong R. miguel@sigma.iimas.unam.mx 10 de septiembre del 013 Distribución de la diferencia de medias muestrales cuando se conoce la varianza poblacional. En muchas situaciones
Más detallesMuestreo y. Distribuciones Muestrales
Muestreo y Distribuciones Muestrales Muestreo Muestreo POBLACION muestra Inferencia Estadística Conteos rápidos, preferencias electorales, etc. Tipos de Muestreo Muestreo No Probabilístico No aplican las
Más detallesPrograma(s) Educativo(s): Clave de la materia:
UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA Clave: 08MSU007H Clave: 08USU4053W FACULTAD DE INGENIERÍA DES: Programa(s) Educativo(s): Tipo de materia: Clave de la materia: Semestre: Área en plan de estudios: Créditos
Más detallesPROBABILIDAD Y ESTADISTICA (T Y P)
PROBABILIDAD Y ESTADISTICA (T Y P) FICHA CURRICULAR DATOS GENERALES Departamento: Irrigación. Nombre del programa: Ingeniero en Irrigación Area: Matemáticas, Estadística y Cómputo Asignatura: Probabilidad
Más detallesPráctica 6: Fundamentos de la Inferencia. Teorema Central del Límite.
: Fundamentos de la Inferencia. Teorema Central del Límite. 1. Dada una población de media µ = 400 y varianza σ 2 = 1.600. Se obtiene una muestra aleatoria de tamaño 35. Detallar bajo qué condiciones se
Más detallesESTIMACION DE TAMAÑOS MUESTRALES: ENCUESTA AL PERSONAL.
ESTIMACION DE TAMAÑOS MUESTRALES: ENCUESTA AL PERSONAL. MARCO CONCEPTUAL Dado que en la mayoría de los casos no es posible examinar cada uno de los elementos o individuos que componen una población, ya
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Mag. María del Carmen Romero 2014 romero@econ.unicen.edu.ar Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo
Más detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA 4 horas a la semana 8 créditos Semestre variable según la carrera Objetivo del curso: Analizar y resolver problemas de naturaleza aleatoria en la ingeniería, aplicando conceptos
Más detallesDesarrollar la habilidad para interpretar fenómenos aleatorios, organizar y analizar datos con el fin de formular modelos y tomar decisiones.
Nombre de la asignatura: Probabilidad y Estadística Créditos: 3-2 - 5 Aportación al perfil Diseñar y analizar sistemas para la solución de problemas en el entorno profesional, aplicando normas técnicas
Más detallesCriterios de evaluación 3º de ESO. Matemáticas Orientadas a las Enseñanzas Aplicadas
CONCRECCIÓN de los CRITERIOS de EVALUACIÓN MATEMÁTICAS APLICADAS º ESO Teniendo en cuenta los criterios de evaluación correspondientes a esta materia, se realizan a continuación una concreción de dichos
Más detallesEstimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Más detallesRepública de Panamá CONTRALORIA GENERAL DE LA REPÚBLICA Instituto Nacional de Estadística y Censo Unidad de Muestreo
República de Panamá CONTRALORIA GENERAL DE LA REPÚBLICA Instituto Nacional de Estadística y Censo Unidad de Muestreo METODOLOGÍA DEL DISEÑO DE MUESTREO Encuesta entre Empresas no Financieras 2013 1. El
Más detallesSede Andina, San Carlos de Bariloche. Licenciatura en Administración, Licenciatura en Hotelería, Licenciatura en Turismo y. Licenciatura en Economía.
Sede y localidad Carreras Sede Andina, San Carlos de Bariloche Licenciatura en Administración, Licenciatura en Hotelería, Licenciatura en Turismo y Licenciatura en Economía. Programa Analítico de la asignatura
Más detallesANÁLISIS ESTADÍSTICO MUESTREO DE POBLACIONES FINITAS
ANÁLISIS ESTADÍSTICO MUESTREO DE POBLACIONES FINITAS Jorge Fallas jfallas56@gmail.com 2010 1 Temario Porqué muestrear? Para qué muestrear? Estimar parámetros de población Prueba de hipótesis Exploratorio
Más detallesESTIMACIÓN DE FUNCIONES DE DENSIDAD DE DATOS CORRELACIONADOS Y/O CON VALORES ATÍPICOS
Servy, Elsa Cuesta, Cristina Marí, Gonzalo Instituto de Investigaciones Teóricas y Aplicadas, Escuela de Estadística ESTIMACIÓN DE FUNCIONES DE DENSIDAD DE DATOS CORRELACIONADOS Y/O CON VALORES ATÍPICOS
Más detallesESTADÍSTICA INFERENCIAL
ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 10 Nombre: Pruebas de hipótesis referentes al valor de la media de la población Contextualización En estadística existen dos métodos para la
Más detalles